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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于多尺度特征融合的网络级电弧故障诊断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：CN114091593B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202111345226.1，技术领域涉及：G06F18/2431；该发明授权一种基于多尺度特征融合的网络级电弧故障诊断方法是由尹振东;王莉;杨善水;高杨设计研发完成，并于2021-11-12向国家知识产权局提交的专利申请。

本一种基于多尺度特征融合的网络级电弧故障诊断方法在说明书摘要公布了：本发明公开一种基于多尺度特征融合的网络级电弧故障诊断方法，包括以下步骤：1基于电流传感器采集系统中不同支路的电流信号；2基于多尺度分析方法得到不同支路电流信号在不同尺度下的时域特征、频域特征以及奇异值以构造特征向量；3采用随机森林实现特征的重要度分析与选择，得到最优特征组合；4利用最优特征组合与训练后的随机森林实现电弧故障诊断。本发明基于不同的尺度提取故障特征，给予了分析特征的不同视角并增加了特征的多样性，同时利用随机森林算法实现了特征选择与融合，从而使不同类型特征中故障信息实现优势互补，并能消除高维特征向量中的冗余信息，有利于诊断准确度的提升以及减小分类器的负担。

本发明授权一种基于多尺度特征融合的网络级电弧故障诊断方法在权利要求书中公布了：1.一种基于多尺度特征融合的网络级电弧故障诊断方法，其特征在于包括以下步骤：步骤1：采集配电系统中各条支路的电流信号并进行预处理；步骤2：基于多尺度分析方法提取所述各条支路的电流信号不同尺度下的粗糙度序列的时域特征、频域特征以及奇异值，构造特征向量；步骤3：基于随机森林分析特征的重要性；步骤4：基于特征重要性的分析结果，将所有特征按重要性值从大到小排列，利用重要性值排名靠前的特征构造特征向量并训练随机森林分类器，利用测试集对训练后的随机森林进行验证，得到测试准确度，选择最高的测试准确度所对应的特征向量组成最优特征组合，利用最优特征组合与训练后的随机森林实现电弧故障诊断；步骤2中，所述不同尺度下的粗糙度序列表示为： 其中，ui为电流信号的数据点，N为电流信号原始长度；τ＝1,2,…为时间尺度；代表在时间尺度τ下支路k的电流信号的粗糙度序列；当τ＝1，相当于原始信号；随着τ的增加，相当于对信号进行低通滤波；步骤2中，提取信号的奇异值包括：步骤2-1：采用截断法将一维的粗糙度序列转化为二维的矩阵M，如公式2所示： 式中，unm表示序列中第m×n个数据点，n＝INTLenm，INT·为向下取整运算，Len为粗糙度序列的长度；步骤2-2：利用奇异值分解算法处理矩阵M，得到m个奇异值；步骤3包括：步骤3-1：通过随机森林训练，得到某个节点的当前基尼指数 其中，E为类别数；per为第e类在第r节点所占比例，r∈R，R为当前决策树节点数；步骤3-2：选择某一特征w对当前节点r进行划分，得到两个数据集及所述两个数据集对应的基尼指数，特征w在节点r实现划分前后基尼指数的差值ΔIGwr表示为：ΔIGwr＝IGr-IGr1-IGr24其中，IGr1与IGr2分别为所述两个数据集对应的基尼指数；ΔIGwr越大，则该特征对节点划分影响程度越大，其重要性也越高；步骤3-3：特征w在决策树t中的特征重要性表示为VIMtw＝∑r∈RΔIGwr5在包含T棵决策树的随机森林中，特征w的总体特征重要性VIMw表示为 对VIMw进行归一化，得到特征w最终的重要性 其中，W*为总特征数；特征w所对应的值越大，则表明该特征的重要度越高。

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南京航空航天大学，其通讯地址为：210001 江苏省南京市秦淮区御道街29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”。