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！

龙图腾网获悉国网山西省电力有限公司信息通信分公司申请的专利一种云边协同的配电网电变量异常检测方法和装置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：CN121524897B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610056438.4，技术领域涉及：G06F18/2433；该发明授权一种云边协同的配电网电变量异常检测方法和装置是由刘朝阳;吴晓斌;张瑞;郝晋;李熙;杨斌;逯宇杰;王颖;李汇琦;李涛琛设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种云边协同的配电网电变量异常检测方法和装置在说明书摘要公布了：本申请公开了一种云边协同的配电网电变量异常检测方法和装置，属于配电网智能化运维与安全控制技术领域，用于保障供电系统的安全、稳定和高质量运行；首先在云端侧基于配电网多源数据，通过无监督的深度特征提取与多态一致性分析，学习得到鲁棒的电变量轨迹特征；利用Copula理论对轨迹特征与异常模式间的复杂非线性依赖关系进行建模，实现高精度的异常密度估计；通过模态自组织聚类生成可解释、可下发的异常检测规则模板库；在边缘侧，将优化后的轻量化模型与规则库部署于智能终端，实现对实时电变量数据的在线、快速异常检测与分类预警；本申请克服了传统方法仅依赖电变量阈值判断、缺乏多源信息融合与行为推断能力的缺陷。

本发明授权一种云边协同的配电网电变量异常检测方法和装置在权利要求书中公布了：1.一种云边协同的配电网电变量异常检测方法，其特征在于：包括以下步骤： S1：配电网多源运行与业务信息集成与整理：收集、整理和标准化云侧的配电网多源信息和数据，并构建用于智能化学习训练的数据集； S2：电变量运行轨迹提取与多态一致性分析与建模：构建富信源电变量轨迹特征提取器对步骤S1中多源信息中的电气变量动态变化轨迹以及关键信息信号进行增强和融合，形成富信源电变量轨迹特征；然后构建多态一致性判别器，通过一致性约束确保富信源电变量轨迹特征的准确性和稳定性； 步骤S2具体包括以下步骤： S2.1：富信源电变量轨迹特征提取：将数据集输入到富信源电变量轨迹特征提取器中，得到低维度的富信源电变量轨迹特征集，其中，每个检测点档案映射到特征的公式为：，其中为富信源电变量轨迹特征提取器的可学习参数集； S2.2：多态检测点信号还原：将富信源电变量轨迹特征集输入到多态一致性判别器中，得到还原后的包含多态多信源的伪检测点档案数据集，每个特征还原出伪检测点档案的公式为：，其中为多态一致性判别器的可学习参数集； S2.3：多态一致性判别计算：计算伪检测点档案与检测点档案之间的多态一致性判别误差：，然后据此误差用梯度下降法更新富信源电变量轨迹特征提取器的可学习参数集和多态一致性判别器的可学习参数集，其中是检测点总数； S2.4：富信源电变量轨迹特征优化训练：计算重复执行S2.1-S2.3的步骤至少200次后得到最优化的富信源电变量轨迹特征集以及训练完备的富信源电变量轨迹特征提取器和多态一致性判别器； S3：基于Copula信息理论的轨迹-异常模式密度估计：构建关联结构解耦器和异常特征密度估计器，使用Copula信息理论对富信源电变量轨迹特征中的电变量轨迹与潜在异常模式之间的关联关系进行建模，首先用Copula关联结构解耦器对特征间依赖关系进行Copula解耦；然后用异常特征密度估计器提炼出电变量轨迹所代表的结果性异常与云侧富信源数据所代表的设备或电网系统性模式异常之间的耦合关系，最终输出富信源异常模态估计密度； 步骤S3具体包括以下步骤： S3.1：电变量轨迹特征与异常行为关联结构解耦：使用Copula关联结构解耦器将步骤S2.4得到的富信源电变量轨迹特征集中每个元素转换到独立Copula空间以得到解耦的强化特征集，且和的维度一致； S3.2：富信源异常模态密度估计：基于强化特征集和富信源电变量轨迹特征集，使用异常特征密度估计器抽象出电变量轨迹与异常行为模态之间的关键行为模式，以形成从富信源电变量轨迹特征到富信源异常模态估计密度的映射； 步骤3.2具体包括以下步骤： S3.2.1：从富信源电变量轨迹特征集中随机抽样不放回地取出b条特征数据，对应地从强化特征集也取出相应的b条强化特征数据，将这些数据投入异常特征密度估计器中，分别得到密度估计值和，其中是异常特征密度估计器的参数集，和分别是指第条特征数据和强化特征数据； S3.2.2：计算轨迹-异常模式密度损失：，其中函数定义为富信源密度演化函数，以代数为例的公式表达为：； S3.2.3：使用梯度上升法计算轨迹-异常模式密度损失梯度，并且更新参数； S3.2.4：假定当前根据S3.2.3得到的参数为，表示当前迭代的次数标签，依据公式：更新参数，其中为单一可设置参数，为上一次更新的参数； S3.2.5：重复S3.2.1-S3.2.4的步骤直到次，，最终得到最优特征密度估计器； S3.2.6：定义富信源密度修正函数以代数为例的公式表达为：，计算所有富信源电变量轨迹特征的富信源异常模态估计密度矩阵，此时被并入最优特征密度估计器中； S4：配电网电变量异常模态自组织与异常检测规则模板库构建：构建模态自组织机，用模态自组织机对基于富信源异常模态估计值形成的相似关系进行自动识别、归类，并基于专家知识生成可配置下发的异常检测规则模板库； 步骤S4具体包括以下步骤： S4.1：根据步骤S3所得富信源异常模态估计密度矩阵，依据公式：计算两个检测点和之间的相似性度量，其中是单一可调整参数，和表示两个检测点对应的模态估计密度，然后据此公式构建相似度矩阵； S4.2：使用谱聚类算法对做无监督的聚类，得到个自组织簇，其中第个簇标记为，步骤S4.1和S4.2由模态自组织机实现； S4.3：根据聚类结果所得的自组织簇信息溯源到相应的检测点的多源数据信息，为每个自组织簇标注其类别编号，然后结合专家知识，定义其所属的异常行为类别； S4.4：对每个自组织簇求取簇中心，求解第个簇中心的公式为：，其中表示富信源异常模态估计密度矩阵中属于类别的检测点对应的模态估计密度，每个簇中心称为异常检测规则模板，所有模板共同组成异常检测规则模板库； S5：实时电变量异常智能检测与预警：在边缘侧实现实时的电变量数据在线异常检测、分类和预警。

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山西省电力有限公司信息通信分公司，其通讯地址为：030000 山西省太原市晋源区谐园路3号8-14层；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。