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！

龙图腾网获悉合肥工业大学申请的专利一种基于多通道可分离卷积的电能质量扰动分类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：CN119884930B 。

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：202411950376.9，技术领域涉及：G06F18/2415；该发明授权一种基于多通道可分离卷积的电能质量扰动分类方法是由刘冬梅;朱鑫立;陈波;蒋雨松设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种基于多通道可分离卷积的电能质量扰动分类方法在说明书摘要公布了：本发明涉及电能质量扰动分类技术领域，尤其涉及一种基于多通道可分离卷积的电能质量扰动分类方法。其技术方案包括以下步骤：建立电能质量扰动数学仿真模型，并向扰动信号中添加高斯白噪声，获得含噪的电能质量扰动信号S；利用粒子群算法优化变分模态分解的分解尺度K和惩罚因子α，通过改进的变分模态分解模型对电能质量扰动信号进行分解，获得多个本征模态分量；计算皮尔逊相关系数设定阈值对本征模态分量进行筛选。本发明避免了冗余模态对分类的干扰，结合马尔可夫转换场生成多通道的图像数据，保留了分量的动态特征，使用基于权值共享的多通道可分离卷积残差网络进行分类识别，弥补了传统单通道识别的不足，提高了分类的准确率。

本发明授权一种基于多通道可分离卷积的电能质量扰动分类方法在权利要求书中公布了：1.一种基于多通道可分离卷积的电能质量扰动分类方法，其特征在于，包括以下步骤： S1、建立电能质量扰动数学仿真模型，并向扰动信号中添加高斯白噪声，获得含噪的电能质量扰动信号； S2、利用粒子群算法优化变分模态分解的分解尺度和惩罚因子，通过改进的变分模态分解模型对电能质量扰动信号进行分解，获得多个本征模态分量； S3、计算皮尔逊相关系数设定阈值对本征模态分量进行筛选，得到个有效相关模态分量； S4、利用马尔可夫转换场将筛选出的个有效相关模态分量转换为二维图像，生成的多通道电能质量扰动图像数据； S5、基于权值共享的多通道可分离卷积残差网络搭建电能质量扰动分类器进行识别分类；具体包括以下步骤： S501：将生成的电能质量扰动图像数据集输入到所述多通道可分离卷积残差网络中，每个残差网络的结构，包括卷积、池化层的参数是一致的；所述残差网络的结构包括第一至第四残差层，每一层的结构相同； 第一残差层包括第一卷积层、第一BN层、第一ReLU层、第二卷积层、第二BN层、Shortcut连接单元、求和单元、第二ReLU层，所述第一卷积层、第一BN层、第一ReLU层、第二卷积层、第二BN层、求和单元、第二ReLU层依次顺序连接，所述Shortcut连接单元的输入端与第一卷积层的输入端连接，其输出端与求和单元的输入端连接； 在所述第一至第四残差层之间添加Dropout层，丢弃参数概率设为0.2； S502：利用深度可分离卷积层对电能质量扰动图像进行卷积计算，提取图像的特征信息；所述深度可分离卷积层包括深度卷积和点卷积两个部分； S503：对所述深度可分离卷积层所提取的扰动特征向量进行批量归一化； S504：对BN层归一化后的特征向量应用非线性激活函数Swish函数； S505：利用最大池化层突出电能质量扰动特征向量中的重要部分，同时降低数据维度； S506：将池化后的特征数据输入到残差网络的结构，进一步加快网络的训练速度并避免梯度消失； S507：通过全连接层和Softmax函数对多通道电能质量扰动特征进行分类； 所述全连接层将上层提取到的多通道图像特征融合为一维向量； 所述Softmax函数将所述全连接层的输出转换为类别概率。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193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。