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！

龙图腾网获悉成都工百利自动化设备有限公司申请的专利一种基于人工智能的变压器绕组变形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：CN119646719B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510165628.5，技术领域涉及：G06F18/2433；该发明授权一种基于人工智能的变压器绕组变形监测方法及系统是由邓勇;王志川;张玻;方源;李林;张榆;江东林;袁威;邓浩;朱林;林志强;洪明学;张才奇;段亮;唐可;徐昆;曾清竹;黄华林;蒋云怒设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本一种基于人工智能的变压器绕组变形监测方法及系统在说明书摘要公布了：本发明公开了一种基于人工智能的变压器绕组变形监测方法及系统，属于变形监测技术领域，方法包括：数据采集、信号数据处理、构建变压器绕组变形监测模型和实时变形监测。本方案基于贡献度选择IMF分量进行小波变换，设计引导值和更新策略对阈值进行搜索，找到每个小波系数的最佳阈值，引入调整系数设计阈值处理函数，基于最佳阈值对每个小波系数进行阈值处理；基于参考节点对多数类节点进行筛选删除，基于辅助节点和平衡因子对少数类节点生成新节点并计算嵌入，根据关联度设置新节点边的权值，基于节点嵌入矩阵和新的邻接矩阵对节点嵌入进行多层更新，提高变压器绕组信号的质量，提高对绕组变形监测的时效性和可靠性。

本发明授权一种基于人工智能的变压器绕组变形监测方法及系统在权利要求书中公布了：1.一种基于人工智能的变压器绕组变形监测方法，其特征在于：该方法包括以下步骤： 步骤S1：数据采集，采集历史变压器绕组信号数据； 步骤S2：信号数据处理； 步骤S3：构建变压器绕组变形监测模型； 步骤S4：实时变形监测，采集实时变压器绕组信号数据，进行信号数据处理后，输入至变压器绕组变形监测模型中进行分析，得到变压器绕组的实时状态； 在步骤S3中包括步骤S34：边处理，计算每个新节点Br与其余节点Bp之间的关联度，预先设置一个关联阈值，若关联度大于关联阈值，则新节点Br与其余节点Bp之间存在边，边的权值为1；否则，两个节点之间不存在边，边的权值为0；并得到新的邻接矩阵，所用公式如下： ； 式中，是Br和Bp之间的关联度，Br和Bp分别是第r个新节点和节点集合中的第p个节点，和分别是Br和Bp的嵌入，W2是第二权重矩阵，σ（•）是激活函数； 在步骤S2中，所述信号数据处理具体包括以下步骤： 步骤S21：分解，对采集的变压器绕组信号数据使用改进的自适应噪声完备集合经验模态分解方法ICEEMDAN进行经验模态分解，得到N个IMF分量和残差分量； 步骤S22：计算贡献度，基于每个分量的能量计算IMF分量的贡献度，预先设置贡献阈值，所用公式如下： ； ； 式中，Ei是第i个分量的能量，ci是第i个分量，是第j个IMF分量的能量，是第j个IMF分量的贡献度； 步骤S23：分量处理，对贡献度小于贡献阈值的IMF分量进行小波变换，小波基为db6，小波层数为5，得到小波系数； 步骤S24：搜索最佳阈值，对小波系数应用阈值函数进行去噪，对阈值进行搜索，找到每个小波系数的最佳阈值； 步骤S25：去噪，引入调整系数设计阈值处理函数，基于最佳阈值对每个小波系数进行阈值处理，去除噪声，所用公式如下： ； 式中，xa和分别是第a个原始小波系数和阈值处理后的小波系数，δ和μ分别是第一调整系数和第二调整系数，Qa是第a个小波系数的最佳阈值； 步骤S26：特征提取，对去噪后的小波系数进行逆小波变换，得到处理后的IMF分量，将处理后的IMF分量、未处理的IMF分量和残差分量进行组合叠加，得到去噪后的变压器绕组信号数据，从去噪后的变压器绕组信号数据中提取时域特征和频域特征，结合数据标签构建监测数据集；并将监测数据集中特征数据划分为多数类数据和少数类数据； 在步骤S24中，所述搜索最佳阈值具体包括以下步骤： 步骤S241：初始位置，基于每个小波系数的阈值建立搜索空间，在搜索空间内随机初始化个体位置，用个体位置作为阈值的代表，将基于阈值处理后小波系数的信噪比作为对应个体位置的适应度值； 步骤S242：设计引导值，基于每次迭代时的最佳适应度值计算引导值，所用公式如下： ； 式中，Dt是第t次迭代时的引导值，和分别是第t-1次和第t-2次迭代时的最佳适应度值，是向下取整，θt是动态调节基准，，exp（·）是指数函数； 步骤S243：设计更新策略，按适应度值的大小将个体位置降序排序，选择前10%的个体位置作为精英个体位置，并为每个个体位置随机生成一个（0，1）范围内的随机数，对随机数和引导值的大小进行比较，选择个体位置的更新策略，完成个体位置的更新，所用公式如下： ； 式中，和分别是第t+1次和第t次迭代时第b个个体位置，β1和β2分别是第一导向因子和第二导向因子，γ是动力因子，是第t次迭代时全局最佳位置和第b个个体位置之间的欧几里德距离，是第t次迭代时的全局最佳位置，是第t次迭代时一个随机精英个体位置和第b个个体位置之间的欧几里德距离，是第t次迭代时的随机精英个体位置，是第t次迭代时第b个个体位置的随机数，是第t次迭代时一个随机个体位置和第b个个体位置之间的欧几里德距离，是第t次迭代时的随机个体位置，是哈达玛积，o是常数，I是d维均匀随机向量，d是个体位置的维度； 步骤S244：最佳阈值确定，预先设定适应度阈值和最大迭代次数，更新个体位置的适应度值，当最佳适应度值高于适应度阈值时，将全局最佳位置代表的阈值作为最佳阈值；否则，若达到最大迭代次数，则将迭代次数置0并返回步骤S241；否则，将迭代次数加1并返回步骤S242，继续迭代。

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成都工百利自动化设备有限公司，其通讯地址为：610095 四川省成都市高新区天益街38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”。