Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网浙江省电力有限公司宁波供电公司徐重酉获国家专利权

国网浙江省电力有限公司宁波供电公司徐重酉获国家专利权

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!

龙图腾网获悉国网浙江省电力有限公司宁波供电公司申请的专利一种基于生成对抗网络的电网故障定位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:CN113920080B

龙图腾网通过国家知识产权局官网在2026-02-13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:202111157233.9,技术领域涉及:G01R31/08;该发明授权一种基于生成对抗网络的电网故障定位方法是由徐重酉;陈蕾;吕军;宁昕;刘日亮;赵深;任广振;林胥登;王信佳;周水良;夏巧群;王磊设计研发完成,并于2021-09-30向国家知识产权局提交的专利申请。

一种基于生成对抗网络的电网故障定位方法在说明书摘要公布了:本发明公开了一种基于生成对抗网络的电网故障定位方法,包括如下步骤:S1、获电网线路上的电缆故障数据集,对电缆故障数据集进行预处理,将电缆故障数据集分为测试集Tx以及训练集Td;S2、建立生成对抗网络结构;S3、通过特征提取网络H对训练集Td的分割特征进行提取;S4将分割特征分别输入到鉴别网络D中进行特征对比;基于对抗学习的方式,对生成网络G和鉴别网络D进行迭代训练;使得生成网络G和鉴别网络D达到那什均衡;S5、将测试集Tx输入到训练好的生成对抗网络中进行故障定位检测。通过训练后的生成对抗网络对电网线路中的电缆故障点进行检测,检测结果更加快速、准确,有效提高了电网电缆故障点定位效率及可靠性。

本发明授权一种基于生成对抗网络的电网故障定位方法在权利要求书中公布了:1.一种基于生成对抗网络的电网故障定位方法,其特征在于:包括如下步骤: S1、获电网线路上的电缆故障数据集,并构建表征电网线路上的电缆故障拓扑结构N=[J1,J2,···,Jn],其中,n为电缆故障点的节点编号,对电缆故障数据集进行预处理,将电缆故障数据集分为测试集Tx以及训练集Td; S2、构建生成对抗网络结构,生成对抗网络结构包括有生成网络G、鉴别网络D以及特征提取网络H; S3、通过特征提取网络H对训练集Td的分割特征进行提取;获取红色绝缘胶带的像素个数、黑色保护层的尺寸以及裸露线缆的像素个数; S4将分割特征分别输入到鉴别网络D中进行特征对比;基于对抗学习的方式,对生成网络G和鉴别网络D进行迭代训练;使得生成网络G和鉴别网络D达到那什均衡; S5、将测试集Tx输入到训练好的生成对抗网络中进行故障定位检测; 更新生成网络G的生成网络参数公式如下:lG=‑logPf+Averagefmf‑fmr2,其中,Average为计算均值; 所述特征提取网络H中,使用UNet分割网络模型将图片数据集中对应的电缆特征分割出来;采用的Mobilenet‑V2网络作为UNet分割网络模的主干网络;根据形态学运算方法获取红色绝缘胶带的像素个数、黑色保护层的尺寸以及裸露线缆的像素个数; S4中,训练集Td经过特征提取网络H预处理后提取图像特征数据,图像特征数据作为鉴别网络D的输入,鉴别网络D输出关于故障图像的第一真假可能性Pfr和网络中间层特征参数fmfr=[fm0, fm1, fm2],以保证网络训练可靠性; 生成对抗网络训练过程中,生成网络G根据原始训练集Td生成根据标注信息对应的故障点Nfm,输入故障点Nfm到鉴别网络D,输出关于故障点Nfm的故障可能性Pf;输入判别故障节点Jn到鉴别网络D中,输出关于判别故障节点Jn的真实可能性Pr和真实特征参数fmr=[fm0, fm1, fm2];并及时更新鉴别网络D的鉴别网络参数; 鉴别网络D更新完成后,再一次输入故障点Nfm到鉴别网络D,输出关于故障点Nfm的故障可能性Pf和故障特征参数fmf=[fm0, fm1, fm2];获取得到真实的故障特征参数,立即更新生成网络G的生成网络参数。

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浙江省电力有限公司宁波供电公司,其通讯地址为:315000 浙江省宁波市海曙区丽园北路1408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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。