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！

龙图腾网获悉长电新能有限责任公司申请的专利基于小波神经网络的UPFC设备故障预测方法和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：CN118885879B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202411072524.1，技术领域涉及：G06F18/241；该发明授权基于小波神经网络的UPFC设备故障预测方法和系统是由盛杰;刘斌;陈绪鹏;张旭;黄华;赖见令;张海宏;胥淞元;敖宇豪;李秋娟;李冬梅;徐端倪设计研发完成，并于2024-08-06向国家知识产权局提交的专利申请。

本基于小波神经网络的UPFC设备故障预测方法和系统在说明书摘要公布了：本发明涉及基于小波神经网络的UPFC设备故障预测方法，包括：定义统一潮流控制器的故障变量；对故障变量进行分类，并定义用于设备状态监测、故障预测的数据采集结构；获取统一潮流控制器的各个节点的信号数据，进行滤波、AD转换后对其分类编码；采用小波神经网络构建设备故障预测模型；将实时信号数据输入到训练好的设备故障预测模型，得到设备故障预测模型输出的设备状态预测结果；根据设备状态预测结果，判断有无设备故障；对预测得到的设备故障发出故障预警信号。本发明实现了多维度的全方位的UPFC在线状态监测、故障诊断和故障预警，提前预测UPFC装置的具体故障信息，有效保护装置运行安全，避免因UPFC设备故障造成对其他电力电子原件的损伤。

本发明授权基于小波神经网络的UPFC设备故障预测方法和系统在权利要求书中公布了：1.基于小波神经网络的UPFC设备故障预测方法，其特征在于，包括以下步骤： 步骤1：定义统一潮流控制器的故障变量； 定义统一潮流控制器的故障分类变量：系统整体故障S和阀级设备故障V； 所述系统整体故障S包括以下故障变量： 并联侧交流过电压故障S1、并联侧交流欠电压故障S2、并联侧交流过流故障S3、串联侧交流过压故障S4和串联侧交流过流故障S5； 所述阀级设备故障V包括以下故障变量： 直流电容器过压故障V1、功率器件桥臂直通故障V2、功率器件桥臂开路故障V3、模块过热故障V4、驱动电路故障V5； 步骤2：对数据采集变量进行分类，并根据其分类定义用于设备状态监测、故障预测的数据采集结构； 定义数据采集分类变量：系统级整体数据SD和阀级数据VD； 所述数据采集变量包括网侧首端电流Ih、网侧末端电流Ie、并联侧交流出口电流Ip、串联侧交流出口电流Is、网侧首端电压Uh、网侧末端电压Ue、并联变压器二次侧相电压Up2、串联变压器二次侧相电压Us2、并联侧上桥臂电流Ipu、并联侧下桥臂电流Ipd、串联侧上桥臂电流Isu、串联侧下桥臂电流Isd、并联侧单元第1个子模块电容电压Up1和串联侧单元第1个子模块电容电压Us1； 步骤3：获取统一潮流控制器的各个节点的信号数据，对所述信号数据依次进行滤波、AD转换和分类编码； 步骤4：采用小波神经网络构建设备故障预测模型，利用历史故障信号数据集对所述设备故障预测模型进行训练； 所述设备故障预测模型包括输入层、6层隐含层和输出层，所述输入层包含14个神经元，每层隐含层包含10个神经元，所述输出层包含11个神经元； 其中为输入层的第i个输入样本，为输出层的第j个输出值，为连接输入层节点i和隐含层节点k的权值，为连接隐含层节点k和输出层节点j的权值；、分别为隐含层节点k的伸缩、平移尺度， ； 所述隐含层采用小波函数作为神经元激励函数，表达式为： ； ； 式中表示小波基函数，表示小波基函数的导数，x为神经元的输入； 设备故障预测模型的输出的表达式为： ； 式中y为小波神经网络的输出，为连接输入层节点i和隐含层节点k的权值，为连接隐含层节点k和输出层节点j的权值；为sigmoid函数，为Morlet小波基函数,、分别为隐含层节点k的伸缩、平移尺度,M为隐含层节点的数量，N为输入层节点的数量； 设备故障预测模型的输出层的各个神经元分别对应不同的故障变量： ； 式中表示输出层的第个神经元的输出值，SRN表示统一潮流控制器运行正常； 步骤5：将步骤3获取得到的实时信号数据输入到训练好的设备故障预测模型，得到设备故障预测模型输出的设备状态预测结果； 步骤6：根据步骤5得到的设备状态预测结果，判断有无设备故障； 步骤7：根据步骤6的故障判断结果，对预测得到的设备故障发出故障预警信号。

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长电新能有限责任公司，其通讯地址为：430021 湖北省武汉市江汉区新华路468号CFD时代财富中心/栋/单元27层(1)办号-1；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。