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！

龙图腾网获悉上海交通大学申请的专利一种基于极坐标分布熵优化的GIS局放模式识别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：CN116258935B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310349674.1，技术领域涉及：G06V10/80；该发明授权一种基于极坐标分布熵优化的GIS局放模式识别方法是由孙炜昊;许永鹏;臧奕茗;李泽;李曜丞;严英杰;刘亚东;盛戈皞;江秀臣设计研发完成，并于2023-04-01向国家知识产权局提交的专利申请。

本一种基于极坐标分布熵优化的GIS局放模式识别方法在说明书摘要公布了：本发明公开了一种基于极坐标分布熵优化的GIS局放模式识别方法，属于大电网现场电力设备缺陷诊断识别领域，首先针对光电局部放电信号的信号缺失现象，利用非下采样轮廓波变换对光电PRPD图谱进行融合处理，得到光电融合图谱，然后基于KAZE算法提取融合PRPD图谱的特征点与尺度向量，接着将特征点依据坐标与尺度向量发散至极坐标表示，并对极坐标上划分出的每一区域分别进行分布熵计算构成特征向量，最后将特征向量载入经Adaboost算法优化的长短期记忆网络，验证其局部放电模式识别的准确率，较于统计参数法与KAZE特征提取方法，本发明所提算法能更好的提取PRPD图谱特征向量，局部放电缺陷模式识别准确率显著提升。

本发明授权一种基于极坐标分布熵优化的GIS局放模式识别方法在权利要求书中公布了：1.一种基于极坐标分布熵优化的GIS局放模式识别方法，其特征在于，包括以下步骤： S1：通过试验仿真模拟GIS局部放电信号，利用光学集成传感器进行采集，并转化成光电PRPD图谱；所述光电PRPD图谱包括光学PRPD图谱和特高频PRPD图谱； S2：采用NSCT图像融合算法将所述光电PRPD图谱融合，得到光电融合PRPD图谱； S3：利用KAZE算法提取所述光电融合PRPD图谱的特征点，获取所述特征点的坐标信息与描述向量，所述描述向量包含所述特征点的尺度信息； S4：将包含坐标信息与尺度信息的所述特征点发散至极坐标中，对所述极坐标上划分的每一子区域分别进行分布熵计算，构成特征向量，并选取最优特征向量，包括： S41：以所述光电融合PRPD图谱原点为极点，构建极坐标系，初始化极角段数p和极径段数q，以极点为中心，将极角等分为p段，沿极径等分为q段，将所述极坐标系划分为若干个子区域； S42：将提取的所述特征点按照坐标信息和尺度信息发散至极坐标内，计算各子区域的分布熵构成特征向量； 所述分布熵计算公式如下： ； 其中，Pj为特征点落在区域j内的概率，计算公式如下： ； n j 为落在区域j中特征点的个数，M为子区域个数，满足P1+P2+…+PM=1； S43：计算特征向量类内离散度和类间离散度并判断是否为最优；若是，则得到最优特征向量；若否，则更新所述极角段数p和所述极径段数q的值，返回S41； 所述特征向量类内离散度和类间离散度的计算方式如下： ； ； 其中，为同类放电缺陷类型的类内离散度，为不同种类放电缺陷类型的类间离散度，Hkj为第k个样本特征向量的第j维，EHj为第j维特征的期望，EHaj、EHbj分别为a、b两类放电缺陷特征向量的第j维特征的期望，K为样本总数； S5：将所述最优特征向量输入Adaboost-LSTM网络模型进行局部放电模式识别。

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上海交通大学，其通讯地址为：200240 上海市徐汇区华山路1954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。