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！

龙图腾网获悉贵州电网有限责任公司申请的专利一种配网设备消防风险定量评估方法及系统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：CN119940902B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411702931.6，技术领域涉及：G06Q10/0635；该发明授权一种配网设备消防风险定量评估方法及系统是由张洋;苗宇;胡天嵩;代吉玉蕾;刘安茳;李跃;张恒荣;徐玉韬;陈宇;蔡永翔;王扬;吴鹏;黄如云;李前敏;王卓月;班诗雪;李新皓;宋子宏;吕黔苏;何明君;张松;樊科;翁迪;游欣宇;熊楠;窦陈;陈晨;曾蓉;袁娴枚;颜康;赵圆圆;李长兴;罗鑫;叶华洋;胡蓉;刘天瑜;华龙;马晓红;刘溪;肖建华;刘岑俐;董英华;郑海崖设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种配网设备消防风险定量评估方法及系统在说明书摘要公布了：本发明公开了一种配网设备消防风险定量评估方法及系统，包括：获取配网设备数据，基于数据构建风险定量第一评估模型；基于风险定量第一评估模型进行初步风险判定，分析故障传递风险，并计算整体风险状态值；构建风险定量第二评估模型，风险定量第二评估模型用于预测风险参数的变化情况；动态更新整体风险状态值，并结合风险参数的变化情况进行消防风险预警。本发明通过根据不同风险因子节点的模糊隶属度计算启用条件值和传播阈值，能够动态监测设备风险因子之间的传递风险，通过使用非线性函数计算风险贡献度，对高风险隶属度的节点进行放大，使其对整体风险的影响更加显著，有助于在评估系统整体风险时突出关键节点的影响。

本发明授权一种配网设备消防风险定量评估方法及系统在权利要求书中公布了：1.一种配网设备消防风险定量评估方法，其特征在于，包括： 获取配网设备数据，基于数据构建风险定量第一评估模型，所述获取配网设备数据包括：配网设备的运行数据以及状态数据，基于所述运行数据以及状态数据设定运行风险因子和状态风险因子；构建风险定量第一评估模型包括：风险定量第一评估模型采用模糊Petri网络结构； 根据所述运行风险因子和所述状态风险因子的每项数据定义为位置节点；根据故障传播路径，将各风险因子的触发条件定义为转移节点； 连接位置节点和转移节点的有向弧表示风险因子之间的关系，构建风险定量第一评估模型； 基于风险定量第一评估模型进行初步风险判定，分析故障传递风险，并计算整体风险状态值；基于所述风险定量第一评估模型进行初步风险判定包括：计算Petri网络位置节点的模糊隶属度，根据每个位置节点当前的采集数据值，计算其对应的模糊隶属度，设定模糊隶属度范围[0,1]，表示为： , 其中，表示风险因子节点的模糊隶属度，表示第个风险因子的实际测量值，表示第个风险因子的最大参考值； 定义模糊规则，基于风险因子的历史数据隶属度，计算均值和标准差的和作为风险阈值，若计算的隶属度大于风险阈值，则判断为高风险，若计算的隶属度小于等于风险阈值，则判断为低风险； 分析故障传递风险，并计算整体风险状态值包括： 根据各风险因子节点的模糊隶属度，计算启用条件值，表示为： , 其中，表示风险因子节点向节点的传递强度，表示风险因子节点的模糊隶属度； 基于历史数据，统计不同风险因子之间的故障传播数据，并根据对应的隶属度的均值和二倍标准差的和作为对应风险因子节点的传播阈值，若启用条件值大于等于传播阈值，则表示对应两个风险因子之间存在故障传递的风险较高，若启用条件值小于传播阈值，则表示对应两个风险因子之间存在故障传递的风险较低； 基于故障传递的风险较高的判定，对风险因子的模糊隶属度进行风险叠加更新，表示为： , 其中，表示更新后的风险因子节点的模糊隶属度； 基于更新后的模糊隶属度重新进行风险判定，并计算每个位置节点对系统整体风险的风险贡献度，表示为： , , 其中，表示风险因子节点的风险贡献度，表示更新后风险因子节点的模糊隶属度的非线性函数，表示调整非线性影响的自然常数； 使用模糊叠加的方法将贡献度组合为整体风险状态值，表示为： , 其中，表示整体风险状态值，表示风险因子节点总数； 基于历史数据整体风险状态值的均值和三倍标准差的和作为状态阈值，若整体风险状态值大于等于状态阈值，则判断为整体风险较高； 构建风险定量第二评估模型，风险定量第二评估模型用于预测风险参数的变化情况，包括：使用傅里叶热传导模型确定热扩散速率，结合材料燃烧热计算动态热释放率表示为： , 其中，表示时间的动态热释放率，表示材料的热释放率常数； 基于时间变化计算动态热释放率的变化率； 构建为LSTM模型的风险定量第二评估模型，风险定量第二评估模型包括输入层、LSTM层和输出层； 输入层输入热释放率不同时间的变化率数据，LSTM层提取热释放率不同时间的变化率数据的特征，保留时序信息，输出层输出下一时刻的热释放率变化率预测值； 使用训练集训练LSTM模型，选择交叉熵损失函数计算预测结果与实际结果之间的差异，使用Adam优化器进行梯度下降优化，更新模型的权重，在连续迭代过程中模型的损失不再明显下降则停止迭代输出模型参数，完成模型训练； 将实时的热释放率变化率数据输入LSTM模型，预测下一时刻的热释放率变化率值； 根据热释放率的变化率，对整体风险状态进行自适应动态调整，表示为： , 其中，表示更新后的整体风险状态值； 动态更新整体风险状态值，并结合风险参数的变化情况进行消防风险预警，包括：基于历史热释放率变化率的平均值和标准差的和作为热释放率阈值； 若预测下一时刻的热释放率变化率值大于等于热释放率阈值，则将当前时刻的整体风险状态值提升至最大值，并更新整体风险状态值； 在当前时刻的整体风险状态值提升至最大值后，若下一时刻的热释放率变化率值小于热释放率阈值，则整体风险状态值将在热释放率的变化率的时间窗口内恢复； 若根据更新的整体风险状态值被判断为整体风险较高，则触发预警信号，通过声光报警系统发出明显的声音和视觉提示，提醒操作人员设备存在消防风险。

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贵州电网有限责任公司，其通讯地址为：550002 贵州省贵阳市南明区滨河路17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。