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！

龙图腾网获悉国网陕西省电力有限公司信息通信公司申请的专利一种基于5G通信的电力设备数据智能分析方法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：CN120929773B 。

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：202511453388.5，技术领域涉及：G06F18/20；该发明授权一种基于5G通信的电力设备数据智能分析方法及系统是由缑鹏超;王志强;王晨;杨家伟;张雁;李典芝;任嘉玮;赵彦龙;王行洲;何平设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本一种基于5G通信的电力设备数据智能分析方法及系统在说明书摘要公布了：本发明公开了一种基于5G通信的电力设备数据智能分析方法及系统，涉及电力数据分析技术领域，解决了传统方案仅使用静态统计量或单一时序特征，影响故障分析结果的准确度，以及所有数据处理依赖云端，导致时延敏感型应用响应时间过长的技术问题；通过数据中转节点基于时序数据特征系数公式构建异常评估模型，可在本地完成实时分析，检测到故障数据中转节点可快速触发预警信号至对应子区域设备，减轻云端计算任务；通过将气象部门提供的预报数据与电力设备周边气象监测传感器采集的电网气象监测数据进行融合，得到融合气象数据；通过粗粒化将原始高频数据降采样为低频序列，并通过时‑频‑空多维度融合，形成高维多尺度特征空间。

本发明授权一种基于5G通信的电力设备数据智能分析方法及系统在权利要求书中公布了：1.一种基于5G通信的电力设备数据智能分析方法，其特征在于，包括以下步骤： 根据电力设备的类型，将电力设备划分为若干个子分类，采集子分类中电力设备的运行数据，并获取电力设备的地理位置数据和子分类中电力设备本地的气象数据； 根据电力设备的分布情况，将整个电力区域划分为多个子区域，每个子区域设置5G通信基站将运行数据和气象数据传输至数据中转节点；数据中转节点将获取的数据按电力设备的类型对数据再次分组，将分组数据发送至云端； 数据中转节点基于运行数据不同监测指标的时序数据，按特征指标公式进行特征系数分析，构建运行异常评估模型，向对应子区域中运行异常的电力设备发送预警信号； 云端的分析系统将气象部门提供的预报数据与电力设备周边气象监测传感器采集的电网气象监测数据进行融合，得到融合气象数据；针对不同设备类型，选取关键气象影响因子，基于融合气象数据，构建灾害影响量化指数； 将灾害影响量化指数、运行异常评估数据和电力设备的运行数据构成多变量时间序列；对多变量时间序列进行粗粒化处理，得到不同时间尺度下的粗粒化序列；并构建改进型多变量多尺度样本熵MMSE计算模型，计算电力设备的改进MMSE值； 基于不同时间尺度下电力设备多变量监测时间序列的改进MMSE值，构成故障特征向量；通过分析不同故障类型下故障特征向量的分布特征，进行电力设备故障分类； 将灾害影响量化指数、运行异常评估数据和电力设备的运行数据构成多变量时间序列；对多变量时间序列进行粗粒化处理，得到不同时间尺度下的粗粒化序列，包括以下步骤： 对灾害影响量化指数、运行异常评估数据和电力设备的运行数据构成的多变量时间序列的每个变量维度，按预设的时间尺度因子生成粗粒化序列； 得到变量维度预设的时间尺度因子s下的粗粒化序列:Ysg={Y1sg,Y2sg,…,Yrsg}； 基于第g个变量维度的粗粒化序列Ysg和第h个变量维度的粗粒化序列Ysh={Y1sh,Y2sh,…,Yrsh}，通过计算第g个变量维度与第h个变量维度之间的相似矩阵，得到多变量之间的相似矩阵Ds； 矩阵中的元素，其中，Yasg为时间尺度因子s下，第g个变量维度的第a个粗粒化序列参数，Yash为时间尺度因子s下，第h个变量维度的第a个粗粒化序列参数，a∈1,2,…,r，r为时间尺度因子s下，第g个变量维度的粗粒化序列参数的总数； 构建改进型多变量多尺度样本熵MMSE计算模型，计算电力设备的改进MMSE值，包括以下步骤： 对于每个时间尺度s下的粗粒化序列的多变量之间的相似矩阵Ds，根据自适应相似容限参数rg，计算在时间尺度s下，维度为ds的匹配概率Csdsr，和维度为ds+1时的Csds+1r； 其中，Csdsr=；为多变量之间维度为ds的相似矩阵Ds中的位于的元素，Rs为相似矩阵Ds的自适应相似容限参数，为Heavgsgdse阶跃函数，N0为序列长度；同理计算Csds+1r； 构建改进型多变量多尺度样本熵MMSE计算模型，基于维度为ds的匹配概率Csdsr，和维度为ds+1时的Csds+1r，计算多变量多尺度样本熵，作为电力设备的改进MMSE值：MMSEr,s,Rs,N0=-lnCsds+1rCsdsr； 其中，r为时间尺度因子s下，第g个变量维度的粗粒化序列参数的总数； 通过分析不同故障类型下故障特征向量的分布特征，进行电力设备故障分类，包括以下步骤： 将不同时间尺度下电力设备多变量监测时间序列的改进MMSE值与趋势特征系数、波动特征系数和突变特征系数结合，形成高维故障特征向量； 采用ReliefF算法，剔除冗余特征，并通过箱线图或t-SNE降维技术，分析不同故障类型下高维故障特征向量的分布特征； 通过历史数据的不同故障类型下高维故障特征向量的分布特征训练LSTM长短期记忆网络模型，学习分布特征的时空关联性，通过训练后的LSTM长短期记忆网络模型，进行电力设备故障分类。

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陕西省电力有限公司信息通信公司，其通讯地址为：710000 陕西省西安市高新区科技六路35号1幢101室；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。