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！

龙图腾网获悉国能大渡河检修安装有限公司申请的专利一种基于深度学习的高压设备绝缘性能测试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：CN121454265B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610004977.3，技术领域涉及：G01R31/12；该发明授权一种基于深度学习的高压设备绝缘性能测试方法是由周禧龙;金日;谢斌;张羽;严乔;周航宇;余忱宸;冯坤;周茂;高春龙;张晓霞设计研发完成，并于2026-01-05向国家知识产权局提交的专利申请。

本一种基于深度学习的高压设备绝缘性能测试方法在说明书摘要公布了：本发明提供了一种基于深度学习的高压设备绝缘性能测试方法，属于高压电气设备检测与深度学习交叉技术领域，方法包括：S1：测试数据采集；S2：数据预处理；S3：特征提取；S4：特征标准化与标签构建；S5：深度学习模型训练与优化；S6：实际绝缘性能测试与结果输出。本发明采用深度学习模型自动输出设备绝缘状态正常、轻微老化、中度老化、严重老化及相关评估结果，为高压设备绝缘性能测试提供智能化、精准化解决方案。

本发明授权一种基于深度学习的高压设备绝缘性能测试方法在权利要求书中公布了：1.一种基于深度学习的高压设备绝缘性能测试方法，其特征在于，包括： 步骤1：采集高压设备的绝缘参数数据； 步骤2：对采集的绝缘参数数据进行预处理，得到预处理后数据； 步骤3：从预处理后数据中提取多维度特征，形成特征向量； 步骤4：对特征向量进行标准化处理，得到标准化特征矩阵，同时基于高压设备绝缘状态构建标签矩阵，将标准化特征矩阵与标签矩阵划分为训练集、验证集和测试集； 步骤5：构建融合卷积神经网络、长短期记忆网络、量子曲面拟合及量子随机森林的深度学习模型，通过训练集训练模型，训练过程中利用验证集动态调整模型参数；通过测试集评估模型性能； 步骤6：将评估达标的模型应用于新采集的高压设备绝缘参数数据，输出绝缘状态分类结果； 其中，步骤5中模型训练的核心逻辑为：通过卷积神经网络从标准化特征矩阵中提取局部关联特征向量，通过长短期记忆网络对按时间戳排序后的局部关联特征向量进行处理，提取时序动态特征向量，将局部关联特征向量与时序动态特征向量初步融合得到初步融合特征向量，通过量子曲面拟合对初步融合特征向量进行非线性优化得到优化后特征向量，通过量子随机森林对优化后特征向量进行分类得到绝缘状态分类结果，同时量子曲面拟合输出映射系数用于调整卷积神经网络参数，量子随机森林输出反馈系数用于调整长短期记忆网络参数，形成闭环优化。

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能大渡河检修安装有限公司，其通讯地址为：610000 四川省成都市中国(四川)自由贸易试验区成都高新区天韵路7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。