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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于SVM和LSTM的次同步振荡模态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：CN116226620B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310114012.6，技术领域涉及：G06F18/10；该发明授权一种基于SVM和LSTM的次同步振荡模态辨识方法是由吕艳玲;訾源淞;马钰淑;郝文波;刘志鹏设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本一种基于SVM和LSTM的次同步振荡模态辨识方法在说明书摘要公布了：本发明公开了一种基于SVM和LSTM的次同步振荡模态辨识方法，包括以下步骤：S1：采集电力系统的电压信号和电流信号；S2：对电压信号和电流信号进行预处理，得到次同步振荡信号，划分为训练样本数据和测试样本数据；S3：构建并训练长短期记忆神经网络模型；S4：构建并训练支持向量机模型；S5：将训练后的长短期记忆神经网络模型和支持向量机模型进行融合，得到组合模型；S6：将待测次同步振荡信号输入至组合模型，完成次同步振荡模态辨识。该次同步振荡模态辨识方法将支持向量机和长短期记忆神经网络相结合，对次同步振荡的相关参数进行辨识，提高辨识的准确率，为电力系统稳定性提供保障。

本发明授权一种基于SVM和LSTM的次同步振荡模态辨识方法在权利要求书中公布了：1.一种基于SVM和LSTM的次同步振荡模态辨识方法，其特征在于，包括以下步骤： S1：采集电力系统的电压信号和电流信号； S2：对电压信号和电流信号进行预处理，得到次同步振荡信号，将次同步振荡信号划分为训练样本数据和测试样本数据； S3：利用训练样本数据构建并训练长短期记忆神经网络模型； S4：利用测试样本数据构建并训练支持向量机模型； S5：将训练后的长短期记忆神经网络模型和训练后的支持向量机模型进行融合，得到组合模型； S6：将待测次同步振荡信号输入至组合模型，完成次同步振荡模态辨识； 所述步骤S3包括以下子步骤： S31：生成次同步振荡信号的标签； S32：根据次同步振荡信号的标签，构建长短期记忆神经网络模型； S33：将训练样本数据输入至长短期记忆神经网络模型，训练长短期记忆神经网络模型； 所述步骤S32中，长短期记忆神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层和全连接层； 所述全连接层的损失函数Loss表达式为： 式中，w表示超调参数，α表示次同步振荡信号的频率值，β表示次同步振荡信号的阻尼值，L表示第一卷积层的神经元个数，G表示第一池化层的神经元个数，P表示第二卷积层的神经元个数，Q表示第二池化层的神经元个数，σl表示第一卷积层中第l个神经元的权重，σg表示第一池化层中第g个神经元的权重，σp表示第二卷积层中第p个神经元的权重，σq表示第二池化层中第q个神经元的权重。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。