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！

龙图腾网获悉国网宁夏电力有限公司电力科学研究院;国网宁夏电力有限公司;国网安徽省电力有限公司电力科学研究院;中国电力科学研究院有限公司;国网经济技术研究院有限公司;长沙理工大学;北京电力设备总厂有限公司申请的专利一种干式空心电抗器户内运行故障预测方法、介质及系统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：CN119004356B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202410987129.X，技术领域涉及：G06F18/25；该发明授权一种干式空心电抗器户内运行故障预测方法、介质及系统是由周秀;白金;田天;杨鑫;杨海涛;陈江波;邵苠峰;吴兴旺;吴方劼;晁阳;胡啸宇;郝文光;张猛;刘雪峰;奚晶亮;黄亚飞;戴龙成设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种干式空心电抗器户内运行故障预测方法、介质及系统在说明书摘要公布了：本发明提供了一种干式空心电抗器户内运行故障预测方法、介质及系统，属于电抗器技术领域，包括：这个方法可以实时监测干式空心电抗器的运行状态,通过电气参数、热成像、声成像和振动信号等多源信息,利用预先训练好的特征提取模型提取各个信号的特征,并将这些特征输入到故障诊断模型中,得到故障类型和发生概率,从而预测电抗器的故障情况。这种多源信息融合的方法可以更全面地评估电抗器的运行状态,有助于及时发现并诊断故障,提高电抗器的运行可靠性。该方法为干式空心电抗器的智能化监测和故障诊断提供了一种可行的解决方案，解决了现有方法通常依赖专业人员的经验判断故障,很难对未来的故障发展趋势进行预测的技术问题。

本发明授权一种干式空心电抗器户内运行故障预测方法、介质及系统在权利要求书中公布了：1.一种干式空心电抗器户内运行故障预测方法，其特征在于，包括以下步骤： S10、实时获取待测干式空心电抗器户内运行状态下的输入电气参数、输出电气参数、红外热成像、声成像以及振动信号组，所述振动信号组包括所述待测干式电抗器表面检测点的多个振动传感器采集的振动信号； S20、采用预先训练好的用于分析电气参数的第一特征提取模型，提取输入电气参数、输出电气参数的特征，作为第一特征； S30、采用预先训练好的用于分析热源的第二特征提取模型，提取所述红外热成像的特征，记为第二特征； S40、采用预先训练好的用于分析噪声的第三特征提取模型，提取所述声成像的特征，记为第三特征； S50、采用预先训练好的用于分析振动的第四特征提取模型，提取所述振动信号组的特征，记为第四特征； S60、将所述第一特征、第二特征、第三特征和第四特征输入到预先训练好的故障诊断模型中，得到包括故障类型、故障发生概率的故障向量; S70、根据所述故障向量对所述待测干式空心电抗器的故障进行预测； 所述第一特征提取模型,包括长记忆子网络、短记忆子网络以及第一融合子网络;其中,所述长记忆子网络基于长短期记忆网络结构,用于学习输入电气参数、输出电气参数的长期依赖关系和时序模式;所述短记忆子网络基于卷积神经网络和注意力机制,用于捕捉输入电气参数、输出电气参数的局部特征和突变点;所述第一融合子网络将长记忆子网络和短记忆子网络的输出进行融合,输出作为所述第一特征； 所述第二特征提取模型,包括低级特征提取子网络、高级特征提取子网络以及第二融合子网络;其中,所述低级特征提取子网络基于浅层卷积神经网络,用于提取红外热成像的低级特征，包括边缘和纹理;所述高级特征提取子网络基于深层卷积神经网络,用于提取红外热成像的高级语义特征;所述第二融合子网络将低级和高级特征进行融合,采用注意力机制指导融合权重,输出作为第二特征； 所述第三特征提取模型,包括低频特征提取子网络、高频特征提取子网络、瞬变特征提取子网络以及第三融合子网络;其中,所述低频特征提取子网络用于捕获声成像中的低频谐波信号;所述高频特征提取子网络用于捕获高频放电噪声;所述瞬变特征提取子网络用于捕获瞬时的电气脉冲信号;所述第三融合子网络将上述三种特征进行融合,得到声成像的综合特征表示； 所述第四特征提取模型,包括大幅振动特征提取子网络、小幅振动特征提取子网络、复合振动特征提取子网络以及第四融合子网络;其中,所述大幅振动特征提取子网络捕获电抗器表面的大幅度振动信号；所述小幅振动特征提取子网络捕获微小振动;所述复合振动特征提取子网络捕获多种振动模式的组合；所述第四融合子网络将上述三种振动特征进行融合,得到振动信号组的综合特征表示； 所述故障诊断模型的结构为基于注意力机制的多模态融合网络,包括多个模态特征编码器、交互注意力模块、故障类型分类器和故障概率分类器；其中，所述多个模态特征编码器分别对应电气参数、红外成像、声成像、振动信号四种模态数据,对每种模态数据的特征进行编码;所述交互注意力模块对编码后的不同模态特征进行交互,使不同模态之间的信息相互增强;所述故障类型分类器输出故障的具体类型;所述故障概率分类器输出每种故障的发生概率值。

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国网宁夏电力有限公司电力科学研究院;国网宁夏电力有限公司;国网安徽省电力有限公司电力科学研究院;中国电力科学研究院有限公司;国网经济技术研究院有限公司;长沙理工大学;北京电力设备总厂有限公司，其通讯地址为：750001 宁夏回族自治区银川市金凤区黄河东路716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。