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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于改进人工神经网络的光伏阵列故障检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：CN119416057B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411541793.8，技术领域涉及：G06F18/2415；该发明授权一种基于改进人工神经网络的光伏阵列故障检测方法是由丁强;孙鸿哲;刘爽;石崇设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于改进人工神经网络的光伏阵列故障检测方法在说明书摘要公布了：本发明公开了一种基于改进人工神经网络的光伏阵列故障检测方法，该光伏阵列故障诊断方法构建的光伏阵列故障诊断模型包括输入层、门控卷积层、扁平化层、输出层以及一个或依次相连的多个全连接层；通过添加门控卷积层以及多个全连接层，解决了现有的光伏阵列故障诊断存在的梯度消失问题；本发明使用自适应Softmax激活函数作为输出层的激活函数，提升了模型的准确率和稳定性；此外，本发明通过仿真模拟来构建光伏阵列，能够在数据较少的情况下根据光伏阵列的模块参数获取大量光伏阵列的工作状态参数；本发明能够处理具有大数据集的复杂任务并在训练后提供快速预测，且具有良好的泛化能力以及极高的可行性和应用前景。

本发明授权一种基于改进人工神经网络的光伏阵列故障检测方法在权利要求书中公布了：1.一种基于改进人工神经网络的光伏阵列故障检测方法，其特征在于：包括以下步骤： 步骤一、获取光伏阵列不同工作状态下的电气参数数据作为样本集，并将样本集划分为训练样本和测试样本；光伏阵列的工作状态包括正常状态和故障状态； 所述的步骤一中，电气参数数据的获取方法如下：建立光伏阵列仿真模型，并模拟光伏阵列在正常状态和故障状态下的电气参数，并将相同工作状态下的电气参数贴上相同的状态标签； 步骤二、构建光伏阵列故障诊断模型；光伏阵列故障诊断模型包括输入层、门控卷积层、扁平化层、输出层以及两个全连接层；门控卷积层包括特征提取单元和门控选择单元；将电气参数输入输入层后，通过特征提取单元提取特征，并使用门控选择单元过滤噪声；扁平化层将门控卷积层输出的二维数组展平为一维数组后输入全连接层中完成分类任务，并输入输出层中； 所述门控卷积层的定义如下： ； ； ； 其中，Conv1和Conv2分别为门控选择单元和特征提取单元的输出；Wg和Wf分别为计算门控值和特征值的卷积滤波器；I为卷积核在特征位置上获得的通道值；O为门控卷积层的输出；为像素级别的乘积； 所述门控卷积层中卷积核大小为3，滤波器的数量为16； 所述扁平化层用于将门控卷积层输出的二维数组映射为一维数组，扁平化层计算公式为： ； 其中，xij为二维数组中第i行第j列的数据；array为阵列； 所述的全连接层中各神经元的输出zil为： ； 其中，为第l层第i个神经元的偏置；为第层神经元的数量；为第层第j个神经元与第l层第i个神经元之间学习的权重；为第层第j个神经元经过激活函数的输出； 步骤三、使用训练样本对光伏阵列故障诊断模型进行训练，并以训练过程中准确率最高的模型作为最优光伏阵列故障诊断模型； 步骤四、使用测试样本对最优光伏阵列故障诊断模型进行测试，若最优光伏阵列故障诊断模型诊断的准确率低于预设值，则重建光伏阵列故障诊断模型，并使用训练样本对重建后光伏阵列故障诊断模型进行训练，更新最优光伏阵列故障诊断模型；重复上述过程，直至最优光伏阵列故障诊断模型的准确率高于预设值； 步骤五、使用最优光伏阵列故障诊断模型根据被测太阳能光伏阵列的电气参数进行故障诊断，获取诊断结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。