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！

龙图腾网获悉东南大学溧阳研究院;东北电力大学;哈尔滨工业大学申请的专利一种基于LOF-VAE-GPT的集中—分布式协同配网故障检测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：CN119805053B 。

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：202411955812.1，技术领域涉及：G01R31/00；该发明授权一种基于LOF-VAE-GPT的集中—分布式协同配网故障检测方法是由刘盼盼;章锐;孙正龙;杨修宇;刘铖;仪忠凯;徐英;钱俊良;徐莲红设计研发完成，并于2024-12-28向国家知识产权局提交的专利申请。

本一种基于LOF-VAE-GPT的集中—分布式协同配网故障检测方法在说明书摘要公布了：本发明公开了一种基于LOF‑VAE‑GPT的集中—分布式协同配网故障检测方法，采集配网关键边缘节点的物理数据和网络数据；基于局部离群因子算法，构建配网关键边缘节点的物理异常检测模型，检测配网关键边缘节点的异常物理样本；提出基于变分自编码器的配网关键边缘节点的网络异常检测模型，对配网关键边缘节点网络样本进行异常检测；基于GPT模型和检测出的物理异常样本和网络异常样本，进行训练，构建配网故障检测模型，当检测出节点的异常值大于阈值时，则判断配网的边缘节点发生了故障。本发明可提升物理数据中的异常点识别的有效性和对配网关键边缘节点的复杂环境的适应性以及配网关键节点故障检测的准确性，提升配网安全运行水平。

本发明授权一种基于LOF-VAE-GPT的集中—分布式协同配网故障检测方法在权利要求书中公布了：1.一种基于LOF-VAE-GPT的集中—分布式协同配网故障检测方法，其特征在于，包括以下步骤： 步骤1，采集配网关键边缘节点的物理数据和网络数据，物理数据包括电流数据、电压数据、功率数据、频率数据以及电压相角数据，网络数据包括流量信息、日志信息和报文信息； 步骤2，基于局部离群因子算法，构建配网关键边缘节点的物理异常检测模型，检测配网关键边缘节点的异常物理样本，计算每个物理样本的局部离群因子，根据局部离群因子判断配网关键边缘节点物理样本是否异常，识别配电网络中关键节点的物理异常行为； 步骤3，基于变分自编码器的配网关键边缘节点网络样本编码函数，对网络样本进行编码，基于变分自编码器的配网关键边缘节点的网络近似后验分布基于变分自编码器模型训练过程中的损失函数，使用梯度下降法最小化变分自编码器的总损失，训练变分自编码器模型，输出潜在样本，并对潜在样本进行解码，得到重构的配网关键边缘节点网络样本，构建配网关键边缘节点的网络异常检测模型，计算原始数据和重构的配网关键边缘节点网络样本之间的差异，对配网关键边缘节点网络样本进行异常检测； 步骤4，基于GPT模型和检测出的物理异常样本和网络异常样本，进行训练，构建配网故障检测模型，将实时采集的采集配网关键边缘节点的物理数据和网络数据输入配网故障检测模型，当检测出节点的异常值大于阈值时，则判断配网的边缘节点发生了故障； 构建配网故障检测模型，表达式如下： 15 16 式中，为配网故障检测评分，表示配网故障检测评分计算模型函数，为检测出的物理异常样本，为检测出的网络异常样本，为配网故障检测评分阈值；将实时采集的采集配网关键边缘节点的物理数据和网络数据输入配网故障检测模型中，当时，则表明配网的边缘节点发生了故障。

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东南大学溧阳研究院;东北电力大学;哈尔滨工业大学，其通讯地址为：213300 江苏省常州市溧阳市昆仑街道泓口路218号A幢428室(江苏中关村科技产业园内)；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。