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！

龙图腾网恭喜上海交通大学宁波人工智能研究院申请的专利一种降低光伏串联直流拉弧故障误报率的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：CN119066539B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202411555973.1，技术领域涉及：G06F18/243；该发明授权一种降低光伏串联直流拉弧故障误报率的方法是由尤伟玉;琚长江;陈泽凯;杨根科;褚健设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种降低光伏串联直流拉弧故障误报率的方法在说明书摘要公布了：本发明公开了一种降低光伏串联直流拉弧故障误报率的方法，涉及人工智能算法和光伏故障诊断技术领域，包括：S100、信号采集；S200、电流信号处理；S300、互相关性计算；S400、电流特征向量计算；S500、串联直流拉弧故障分析。本发明提供了一种降低光伏串联直流拉弧故障误报率的方法，结合人工智能技术对传统Cart决策树进一步剪枝和细分，有效降低了直流电弧故障检测的误报率，减少了光伏设备的检修成本，降低了光伏设备的运维成本。

本发明授权一种降低光伏串联直流拉弧故障误报率的方法在权利要求书中公布了：1.一种降低光伏串联直流拉弧故障误报率的方法，其特征在于，包括：S100、信号采集，在正常工作工况与直流拉弧故障工况下，采集电流信号；S200、电流信号处理，对所述电流信号加窗平滑处理，进行线性积分变换，得到电流采样信号分布矩阵；S300、互相关性计算，利用Xcorr函数对所述电流采样信号分布矩阵的每一列数据进行互相关性计算，得到互相关性矩阵；S400、电流特征向量计算，把所述电流采样信号分布矩阵和所述互相关性矩阵进行降维和合并，得到电流特征向量；S500、串联直流拉弧故障分析，把所述电流特征向量输入训练好的随机森林模型进行分析，如判断为直流拉弧故障，则进行上报；所述随机森林模型的训练过程包括：S510、训练有偏决策树，所述随机森林模型包括多棵有偏决策树，每棵有偏决策树单独训练，输入为所述电流特征向量，输出为0或1；具体包括：S511、设置训练样本集合，对于每棵有偏决策树，设是带有类标签labelx的训练样本集合，类标签-1和+1表示两个不同的类，x表示D维的电流特征向量；假定有偏决策树训练完成，最终得到的所有叶子结点的集合就是所有训练样本集合，表示成如下形式： ；S512、引入有偏Gini系数：如下pre_GiniS： ；S513、训练有偏决策树，在训练过程中，为使有偏Gini系数的取值最小，结点分裂时优先选择减少结点中的故障样本数，优先沿着有偏Gini系数快速减小的方向降低有偏Gini系数，即有偏Gini系数更加侧重细分故障；当α1，且p0∈[0,1α+1]时，α越大，有偏Gini系数的减小速度就会越快，因此p0减小带来的损失函数pre_GiniS减少的收益更高，同样的错误分类的代价也更大；S514、有偏决策树训练结束，当满足有偏决策树的停止训练的准则时，训练结束；S520、进一步分类混合叶子结点，对于所述混合叶子结点进行进一步分类，将所有混合叶子结点放入集合中，；S530、确定修剪顺序，为了确定所述混合叶子结点的修剪顺序，对于集合中的每一个混合叶子结点，使用剪枝系数对所述混合叶子结点进行修剪： ；S540、根据虚警系数修剪，其中剪枝系数Ei大于的混合叶子结点被剪掉；S550、修剪结束，没有被剪掉的混合叶子结点继续分裂和分类，即循环执行S520-S540，直到完成所有混合叶子结点的修剪；S560、随机森林模型训练完成，当每棵有偏决策树都按照所述步骤S520-所述步骤S550训练完成，即可得到所述随机森林模型。

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上海交通大学宁波人工智能研究院，其通讯地址为：315012 浙江省宁波市海曙区甬水桥路99弄118号甬水桥科创中心；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”。