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！

龙图腾网获悉国网江苏省电力有限公司南京供电分公司;中国电力科学研究院有限公司申请的专利一种基于NCA与SSA-KELM的光伏接入配电网漏电识别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：CN115618261B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202211156808.X，技术领域涉及：G06F18/24；该发明授权一种基于NCA与SSA-KELM的光伏接入配电网漏电识别方法是由汪自虎;栾宁;刘苑红;刘政生;许洪华;李蕊;瞿洪庆;陈晓勇;乐平富;邓鹏;闫涛;韩晓慧;夏越;杜松怀设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本一种基于NCA与SSA-KELM的光伏接入配电网漏电识别方法在说明书摘要公布了：本发明涉及故障识别技术领域，尤其涉及一种基于NCA与SSA‑KELM的光伏接入配电网漏电识别方法，步骤包括：采集光伏接入配电网不同状态下剩余电流数据；对采集的剩余电流数据进行特征量提取；对提取的特征进行预处理；利用基于近邻成分分析法NCA对预处理后的特征进行筛选；利用筛选后的特征训练核极限学习机KELM模型同时利用麻雀搜索算法SSA对KELM模型的参数进行优化，进而得到SSA‑KELM漏电识别模型；将待测试的剩余电流特征样本输入SSA‑KELM模型中进行输出类别识别，从而得到待测试样本的漏电类型。本发明能够准确地识别光伏接入配电网的漏电故障类型。

本发明授权一种基于NCA与SSA-KELM的光伏接入配电网漏电识别方法在权利要求书中公布了：1.一种基于NCA与SSA-KELM的光伏接入配电网漏电识别方法，其特征在于，包括以下步骤： 步骤1：采集光伏接入配电网不同状态下剩余电流数据； 步骤2：对采集的剩余电流数据进行特征量提取； 步骤3：对提取的特征进行预处理； 步骤4：利用基于近邻成分分析法NCA对预处理后的特征进行筛选； 步骤5：利用筛选后的特征训练核极限学习机KELM模型同时利用麻雀搜索算法SSA对KELM模型的参数进行优化，进而得到SSA-KELM漏电识别模型； 步骤6：将待测试的剩余电流特征样本输入SSA-KELM模型中进行输出类型识别，从而得到待测试样本的漏电类型； 所述步骤4具体包括： 设预处理后的原始特征集S＝{xi,yi,i＝1,2,…n}，其中xi表示第i个样本特征，yi为第i个样本标签；从特征集S中任意取一个样本特征，计算与其近邻样本的距离： 式中，wm表示样本特征为m维时的特征权重；m为特征维数，r表示特征维数总量；xj为xi近邻样本；xim表示第i个样本的第m维特征，xjm表示第j个样本的第m维特征；xj被选中为xi最邻近样本的概率为： 式中，n为样本数量；xj表示第j个样本为xi近邻样本，当样本数i＝j时，pij＝0；xt表示除xi外的所有样本；k为核函数，定义为： 式中，σ为内核宽度，则xi被正确分类的概率为： 式中，yj为样本xj的标签；yij＝yi-yj为样本xi与xj的标签误差，当yi＝yj时,yij＝1，反之yij＝0； 计算pi的平均值： 引入正则化项，得到如下目标函数： 式中，n为样本数量；λ为正则化参数；r表示特征维数总量； 近邻成分分析的目标是计算最大化Fw时的权重w，等价问题也表示为： 表示最小化目标函数；Fw表示最大化目标函数； 由此，计算出样本集中各特征的权重，Fw越大或越小则表明当前特征与漏电识别模型的相关性越高，反之越低； 根据特征权重值的大小，对特征权值高的特征进行筛选。

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国网江苏省电力有限公司南京供电分公司;中国电力科学研究院有限公司，其通讯地址为：210019 江苏省南京市建邺区奥体大街1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。