申请/专利权人：北京计算机技术及应用研究所

申请日：2020-11-09

公开（公告）日：2024-06-28

公开（公告）号：CN112364753B

主分类号：G06F18/24

分类号：G06F18/24;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.03.05#实质审查的生效;2021.02.12#公开

摘要：本发明涉及一种低压电力载波异常信号检测方法，包括：信号采集，在所保护设备的供电电力线上采集电流以及电压信号原始数据；分类模型训练，针对采集的数据建立训练集、验证集和测试集，设计卷积神经网络分类模型，将数据集输入到分类模型中，训练信号分类模型；针对需要检测的信号数据，输入到训练好的的信号判别模型，判断信号的类别；对识别出来的通信信号类型进行显示并报警。满足能通过识别多种不同电力载波通信状态下的电流电压信号，从而识别出电力载波通信调制方式的需求。

主权项：1.一种低压电力载波异常信号检测方法，其特征在于，包括：信号采集，在所保护设备的供电电力线上采集电流以及电压信号原始数据；分类模型训练，针对采集的数据建立训练集、验证集和测试集，设计卷积神经网络分类模型，将数据集输入到分类模型中，训练信号分类模型；针对需要检测的信号数据，输入到训练好的的信号判别模型，判断信号的类别；对识别出来的通信信号类型进行显示并报警；其中，采集训练数据时，分别采集FSK、SSB、PSK、BPSK、QPSK、PAM以及16QAM载波通信信号，以及无载波通信信号下，八种不同情况下的信号下的电压以及电流信号，并标记信号的类别；所述分类模型训练步骤中，设计卷积神经网络信号分类模型，卷积神经网络的卷积层和池化层都由相应数量的特征矩阵构成，每个二维特征含有多个互不相连的独立神经元；卷积神经网络层设计分为八层网络架构，第一层卷积层输出数据数目为63*63*16，第二层池化层输出数据数目为31*31*16，第三层卷积层输出数据数目为29*29*32，第四层不完全连接层输出数据数目为29*29*32，第五层池化层输出数据数目为14*14*32，第六层全连接层输出数据数目为6272，第七层全连接层输出数据数目为512，第八层全连接层输出数据数目为8，对应需要识别的8种信号；采集来的低压交流电力线上的电流和电压信号，作为已经训练好的卷积神经网络分类模型的第一层输入，通过分类模型逐级逐层抽取数据的更高级本质特征，识别判断信号类型。

全文数据：

权利要求：

百度查询： 北京计算机技术及应用研究所 一种低压电力载波异常信号检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD