买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌大学申请的专利一种基于单变量去时序化的变压器油中溶解气体预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119202681B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411710779.6，技术领域涉及：G06F18/213；该发明授权一种基于单变量去时序化的变压器油中溶解气体预测方法是由廖才波;谢嘉宏;杨金鑫;曾清霖;王婉情;刘文宇;李兆国;龚文豪设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种基于单变量去时序化的变压器油中溶解气体预测方法在说明书摘要公布了：本发明公开了一种基于单变量去时序化的变压器油中溶解气体预测方法。首先，收集变压器油中溶解气体在线监测的时间序列样本，并进行数据预处理；然后，通过滑窗技术对油中溶解气体的历史数据进行特征提取，将气体时间序列样本数据转化为非时序特征矩阵样本；最后，构建深度森林预测模型，通过多粒度扫描模块深层挖掘非时序特征矩阵的信息，再经过级联森林模块的不断训练，实现未来时刻油中溶解气体含量的准确预测。本发明能够在不破坏时间序列“过去预测未来”的规则情况下，进一步减少对特定时间点或时序关系的依赖，并提高传统非时序预测模型的适用性，有助于提升变压器油中溶解气体在线监测数据的预测精度。

本发明授权一种基于单变量去时序化的变压器油中溶解气体预测方法在权利要求书中公布了：1.一种基于单变量去时序化的变压器油中溶解气体预测方法，其特征在于：包括如下步骤： S1：收集变压器油中溶解气体在线监测数据，包括H2、CH4、C2H6、C2H4、C2H2、CO和CO2这7种特征气体，对上述特征气体的时间序列样本数据进行异常值处理和缺失数据填补； S2：采用滑窗技术对油中溶解气体的历史数据进行特征提取，将时间序列样本数据转化为非时序特征矩阵样本； S3：将非时序特征矩阵样本划分为训练集和测试集，构建深度森林预测模型，并采用树结构概率密度估计算法实现深度森林预测模型的参数优化； S4：评估深度森林预测模型的性能，预测未来时刻油中溶解气体含量，提前优化变压器的运维检修策略； S2中采用滑窗技术对油中溶解气体的历史数据进行特征提取，将时间序列样本数据转化为非时序特征矩阵，具体步骤如下： S2.1：依据变压器油中溶解气体的时间序列样本数据，确定滑动窗口大小和步幅； S2.2：对每个特征气体的时间序列样本进行滑窗处理，并计算每个窗口中气体的统计特征，包括平均值、最大值、最小值和标准差； S2.3：整合每个窗口提取的特征，生成特征矩阵，其中每一行代表一个时间窗口提取的特征，每列代表一个特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。