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！

龙图腾网获悉西安交通大学申请的专利一种考虑物理信息的油中溶解气体预测方法及装置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：CN120064613B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510069417.1，技术领域涉及：G01N33/28；该发明授权一种考虑物理信息的油中溶解气体预测方法及装置是由董明;常昊鑫;李树华;陈骥;曾强;胡一卓;张崇兴;任明设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种考虑物理信息的油中溶解气体预测方法及装置在说明书摘要公布了：本发明提供了一种考虑物理信息的油中溶解气体预测方法及装置，方法包括：进行油纸绝缘放电试验；采集放电过程中的运行状态参量；采集放电过程中油样，并获得油中溶解气体的浓度数据；利用所述运行状态参量及所述浓度数据构建神经网络预测模型并进行训练；接收油纸绝缘放电实时监测数据，利用所述神经网络预测模型实现油中溶解气体产气预测。本发明对神经网络模型添加了物理信息约束，以产气能量、电流等作为约束条件，避免了人工智能数据驱动模型过于依赖数据样本数量与质量的缺点，且能够对油中溶解气体产气进行准确预测，对提高深度挖掘油中溶解气体的故障诊断能力并确保电力变压器安全运行具有一定的指导意义。

本发明授权一种考虑物理信息的油中溶解气体预测方法及装置在权利要求书中公布了：1.一种考虑物理信息的油中溶解气体预测方法，其特征在于，包括以下步骤： 步骤1：进行油纸绝缘放电试验； 步骤2：采集放电过程中的运行状态参量； 步骤3：采集放电过程中油样，并获得油中溶解气体的浓度数据； 步骤4：利用所述运行状态参量及所述浓度数据构建神经网络预测模型并进行训练； 步骤5：接收油纸绝缘放电实时监测数据，利用所述神经网络预测模型实现油中溶解气体产气预测； 其中， 所述步骤2中的运行状态参量包括：电流数据、放电能量； 所述步骤4还包括：分析电流、产气能量与油中溶解气体产量之间的关联关系，利用放电过程中采集到的系列数据训练考虑物理信息约束的神经网络，构建融合物理信息规则的神经网络预测模型； 构建融合物理信息规则的神经网络预测模型具体包括： 探究电流、产气能量与油中溶解气体产量之间的单调性关系，此单调性关系即为物理约束条件，将其作为正则项放入损失函数中； 所述考虑物理信息约束的神经网络的结构框架为： 输入层节点数为8，输入量分别为电流数据、放电能量以及氢气H2、一氧化碳CO、甲烷CH4、乙烷C2H6、乙烯C2H4、乙炔C2H26种气体的含量，隐含层节点数为12，输出层节点数为6，输出量分别为氢气H2、一氧化碳CO、甲烷CH4、乙烷C2H6、乙烯C2H4、乙炔C2H26种气体的预测生成量； 预测值与真实值之间的数据误差Ldata的计算公式为： 式中，表示真实值；表示模型预测值；t表示时间步长索引，取值范围是[1,N-1]；j表示输出预测值索引，取值范围为[1,6]；N表示时间步长的总数，即时间序列数据中包含的总步数，即在N个不同时刻共取出N次油样； 物理约束计算得到的残差Lphy的计算公式为： 式中，t表示时间步长索引，取值范围是[1,N-1]；t和t+1表示两个连续的时间点；j表示输出预测值索引，取值范围为[1,6]是一个约等于0的正数，以防止分母为零；I代表电流；E表示产气能量；G表示油中溶解气体的预测量； 若电流、产气能量与油中溶解气体产量之间满足所述单调性关系，损失函数L只包括数据误差；若不满足所述单调性关系，损失函数L为数据误差和物理约束计算得到的残差之和，以惩罚违反单调性的情况，即： 式中，α是一个权重参数，用于调整物理约束残差和数据误差的影响作用，取α=0.8。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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。