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！

龙图腾网获悉电子科技大学申请的专利一种基于深度神经网络的微电网阻抗辨识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：CN115270960B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202210895779.2，技术领域涉及：G06F30/30；该发明授权一种基于深度神经网络的微电网阻抗辨识方法是由赵胤呈;唐远鸿;赵玲玲;韩雨伯;胡维昊;任曼曼;黄琦;张真源设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本一种基于深度神经网络的微电网阻抗辨识方法在说明书摘要公布了：本发明公开了一种基于深度神经网络的微电网阻抗辨识方法，先建立微电网的等效阻抗模型，然后通过微电网的等效阻抗模型取不同情况下微电网的阻抗数据与电压、电流数据，从而构成训练数据集；接着借助训练数据集通过摇摆探索方式训练改进型深度神经网络模型，最后实时采集微电网的母线电压和输出电流，将其输入至训练完成后的改进型深度神经网络模型，从而输出对应的阻抗值。

本发明授权一种基于深度神经网络的微电网阻抗辨识方法在权利要求书中公布了：1.一种基于深度神经网络的微电网阻抗辨识方法，其特征在于，包括以下步骤： 1、建立微电网的等效阻抗模型； ； ； ； 其中，表示微电网中第个电压类控制变换器模块的阻抗，表示电压类控制变换器模块的数量，表示微电网中所有电压类控制变换器模块的阻抗；表示微电网中第个电流类控制变换器模块的阻抗，表示电流类控制变换器模块的数量表示微电网中所有电流类控制变换器模块的阻抗；是微电网中开关管占空比的稳态值，是微电网中的电感值，是微电网中的电容值，是微电网中电感线圈的电阻值，为微电网的母线电压，为微电网的输出电流； 2、获取训练数据集； 根据微电网的等效阻抗模型，取不同情况下微电网的阻抗数据与电压、电流数据，从而构成训练数据集； 3、构建改进型深度神经网络模型； 选择FCNNNet作为网络主体，取层全连接层，以训练数据集中的电压、电流数据作为输入，输出为阻抗预测值； 将FCNNNet网络中原RELU激活函数换为GULX激活函数； GULX激活函数为： ； 其中，是自然对数，是衰减因子，是输入量； 将FCNNNet网络中原损失函数换为多重联结式损失函数； ； 其中，为第组输入数据对应输出的阻抗预测值，为第组输入数据对应实际阻抗值，为第组输入数据下的衰减因子，为每一组数据进行训练的总次数，是全连接层层数； 4、通过摇摆探索方式训练改进型深度神经网络模型； 4.1、引入全随机权重改变机制对改进型深度神经网络模型进行初始化：使用OCDW概率分布函数对网络权重进行改变； ； 其中，是网络权重，是网络层数，是每一全连接层中神经元个数，为常数； 4.2、将第一组的电压、电流以及对应阻抗输入至改进型深度神经网络模型，得到对应的阻抗预测值；然后按照步骤4.1所述方法重新初始化网络权重，再重新输入第一组的电压、电流数据，得到对应的阻抗预测值，然后以此类推，当第一组的电压、电流数据共计迭代次后，进入步骤4.3； 4.3、将同一组输出的个阻抗预测值与对应输入的阻抗值代入至多重联结式损失函数，从而计算出第一组的电压、电流数据训练完成后的损失函数值，记为； 4.4、按照步骤4.1所述方法重新初始化网络权重，然后输入第二组的电压、电流数据，并按照步骤4.2-4.3所述方法对第二组的电压、电流数据进行处理，得到损失函数值，然后以此类推，直到遍历完训练数据集； 4.5、将训练数据集中每一组数据对应的损失函数值代入如下公式： ； 其中，是网络权重，是网络偏移量，是微分系数，是误差均值，是损失变化量； 4.6、判断损失变化量是否在预设区间内，如果是，则训练结束，进入步骤5；否则，返回步骤4.1，并利用训练数据集进行下一轮训练； 5、微电网的阻抗辨识； 实时采集微电网的母线电压和输出电流，将其输入至训练完成后的改进型深度神经网络模型，从而输出对应的阻抗值。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。