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！

龙图腾网获悉烟台大学申请的专利一种基于特征增强与深度异构的油浸式变压器故障诊断方法及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：CN121525536B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610062973.0，技术领域涉及：G06F30/27；该发明授权一种基于特征增强与深度异构的油浸式变压器故障诊断方法及系统是由刘志中;耿仕达;崔振东;黄光玉;王飞;刘仲尧设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本一种基于特征增强与深度异构的油浸式变压器故障诊断方法及系统在说明书摘要公布了：本发明涉及油浸式变压器故障诊断技术领域，尤其是涉及一种基于特征增强与深度异构的油浸式变压器故障诊断方法及系统。方法包括利用少数类过采样方法将少数故障样本数据合成符合物理约束的新样本；基于自编码器VAE生成的深层特征构建增强输入空间，充分提取新样本中故障气体的深层特征；基于提取的深层特征，利用异构集成模型模拟轻量梯度提升机LightGBM捕捉深层特征的浅层关系；利用卷积神经网络1D‑CNN识别故障气体的局部特征；基于Transformer模型建立全局依赖关系；通过动态赋权方式显著增强了模型的鲁棒性，从而保障其在各类复杂、不确定性高的实际应用场景中持续输出可靠且稳定的诊断结果。

本发明授权一种基于特征增强与深度异构的油浸式变压器故障诊断方法及系统在权利要求书中公布了：1.一种基于特征增强与深度异构的油浸式变压器故障诊断方法，其特征在于，包括： 获取油浸式变压器少数故障样本数据； 构建基于混合特征增强与深度异构集成的油浸式变压器故障诊断模型，其中，利用少数类过采样方法将少数故障样本数据合成符合物理约束的新样本； 基于自编码器VAE生成的深层特征构建增强输入空间，充分提取新样本中故障气体的深层特征； 基于提取的深层特征，利用异构集成模型模拟轻量梯度提升机LightGBM捕捉深层特征的浅层关系；利用卷积神经网络1D-CNN识别故障气体的局部特征；基于Transformer模型建立全局依赖关系； 基于动态融合机制调整模型输出权重； 对构建的油浸式变压器故障诊断模型进行优化； 利用优化后的故障诊断模型输出故障诊断结果； 所述构建基于混合特征增强与深度异构集成的油浸式变压器故障诊断模型，包括采用自适应样本生成方法，基于少数类样本分布特性动态调整邻域参数，通过合成符合物理约束的新样本，确保气体浓度非负且保持原始数据分布规律；然后在特征工程上构建十维专家知识体系，融合和现有数据的五种气体浓度，并引入故障特征比值、放电指示比值、热故障比值以及总烃浓度，耦合变分自编码器VAE生成的4维深层特征，最终形成14维增强输入空间；随后采用异构集成的模型架构融合三类学习器：第一个分支模拟LightGBM，用于捕捉特征的浅层关系；第二个分支使用一维卷积神经网络1D-CNN识别故障气体的局部特征；第三个分支基于Transformer模型，建立全局依赖关系，最后采用动态融合机制通过注意力加权实现三个模型的协同； 所述利用少数类过采样方法将少数故障样本数据合成符合物理约束的新样本，包括引入基于k近邻动态调整的SMOTE过采样算法，通过自适应地生成合成样本来缓解原始数据中类别不平衡问题，其中，SMOTE算法通过插值生成合成样本避免过拟合风险，表示为：设少数样本集合S={xi∈Rd∣i=1,…,Ns}，其中d为特征维度；对∀xi∈S，计算其k近邻集合Nkxi={xi1,…,xik}，其中距离度量采用马氏距离：，Σ为少数类样本协方差矩阵；最后进行线性插值：从Nk随机选取一个近邻样本xnn,生成新样本xnew：，其中，，为随机插值数，控制新样本在特征空间中的位置。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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”。

以上内容由龙图腾AI智能生成。