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！

龙图腾网获悉江西贵兴智能电气有限公司申请的专利一种电力设备智能监测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：CN119125744B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202411629928.6，技术领域涉及：G01R31/00；该发明授权一种电力设备智能监测方法及系统是由吴桂兴;张煜祥;徐华樟设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种电力设备智能监测方法及系统在说明书摘要公布了：本发明公开了一种电力设备智能监测方法及系统，涉及电力设备监测领域。一种电力设备智能监测系统，包括有：数字孪生体模块、数据采集模块、数据处理模块、异常监测模块、故障检测模块和智能报警模块。本发明通过对电力设备的数据进行初步异常监测和独立实时异常监测，降低了数据处理的数据量，并根据结果进行故障预测，并根据故障预测结果获取需要复检的电力设备，对复检的电力设备进行关联异常监测，最终根据获取的独立异常监测结果、故障预测结果和关联异常监测结果进行智能报警，提高了电力设备的监测性能。

本发明授权一种电力设备智能监测方法及系统在权利要求书中公布了：1.一种电力设备智能监测方法，其特征在于，包括：S1.获取电力设备的设备信息和运行状态信息，通过设备信息对电力设备进行集合模拟，得到电力设备间的关联信息，使用电力设备运行状态信息进行虚实映射，构建电力设备运行状态的数字孪生模型；S2.通过高精度传感器以设定周期采集电力设备的实时运行数据；S3.对实时运行数据进行初步异常分析处理，得到待分析数据，对待分析数据进行降噪处理，得到降噪处理数据；S4.将每个电力设备的降噪处理数据送入实时异常监测模型中进行独立异常监测，得到单个电力设备的实时独立异常监测结果；S5.将初步异常分析处理结果和实时独立异常监测结果不为正常的电力设备作为待预测故障设备，根据待预测故障设备的关联信息获取与待预测故障设备具有关联的电力设备及具体关联关系，获取待预测故障设备和与待预测故障设备具有关联的电力设备在当前周期及前9个周期的待分析数据；生成待预测样本，将待预测故障设备作为主对象，其对应的10个周期的待分析数据作为主对象数据，将与主对象具有关联关系的每个电力设备作为关联对象，关联对象对应的10个周期的待分析数据作为关联对象数据，并根据关联关系的种类为关联对象数据添加关系权重；具体的关系权重还需通过设备间的距离和关联关系的种类进行计算，具体公式为： 式中d为设备间的距离，D为距离的标准值，αj为关联关系的种类权重；将待预测样本送入故障预测模型进行故障预测，得到故障预测结果，获取其中不为正常的故障预测结果对应的电力设备作为复检设备，获取复检设备和与其具有关联关系的电力设备的降噪处理数据，称为复检数据，将复检数据送入实时异常监测模型中进行关联异常监测，得到复检设备的关联异常监测结果；S6.将电力设备的独立异常监测结果、故障预测结果和关联异常监测结果记录在智能监测日志中，根据记录情况进行智能报警；实时异常监测模型包括模式选择层和异常监测层；模式选择层用于根据输入的数据类型进行模型选择，若输入的数据为单个电力设备的降噪处理数据，则进入独立异常监测模式，若输入的数据为多个电力设备的降噪处理数据，则进入关联异常监测模式；异常监测层用于提取数据信息中的故障特征参量，通过多维的特征向量对故障特征参量进行描述，输出电力设备的异常监测结果；还包括构建实时异常监测模型，具体步骤为：A1.获取若干电力设备的实时运行数据，获取的数据包括单个电力设备的实时运行数据和与其关联的电力设备的实时运行数据，对实时运行数据进行预处理操作并标记异常监测标签，将每个电力设备的实时运行数据组成独立异常监测数据集，将电力设备和与其具有关联的电力设备的实时运行数据组成关联异常监测数据集，将独立异常监测数据集和关联异常监测数据集进行分割，得到独立异常测试集、关联异常测试集、独立异常训练集和关联异常训练集；A2.将独立异常训练集和关联异常训练集分批次送入基于BP神经网络为基础的初始实时异常监测模型中进行训练，以异常监测标签为目标，训练得到优化实时异常监测模型；A3.将独立异常测试集和关联异常测试集分别送入优化实时异常监测模型进行准确率评估，以异常监测标签为目标，调整模型的超参数，得到准确率评估在设定范围内的实时异常监测模型。

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江西贵兴智能电气有限公司，其通讯地址为：330000 江西省南昌市南昌经济技术开发区经开大道4368号联博科技园二期1号厂房；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”。