買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜華能南京金陵發電有限公司申請的專利一種基于知識圖譜的光伏電站故障檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118944593B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411427830.2，技術領域涉及：H02S50/00；該發明授權一種基于知識圖譜的光伏電站故障檢測方法是由成志鑫;唐驍;曾躒;王樂;吳秋實;孫雨萌設計研發完成，并于2024-10-14向國家知識產權局提交的專利申請。

本一種基于知識圖譜的光伏電站故障檢測方法在說明書摘要公布了：本發明公開了一種基于知識圖譜的光伏電站故障檢測方法，涉及光伏電站故障檢測領域，包括采集多維時序數據并進行預處理，構建知識圖譜和圖神經網絡模型，并對知識圖譜上的節點特征進行學習，生成節點的嵌入表示，建立故障檢測模型，并通過鏈接預測技術實現光伏電站故障的識別；通過能量傳播機制對故障檢測模型的故障檢測結果進行優化和置信度評估，完成光伏電站故障檢測。本發明通過構建知識圖譜，實現將異構的時序數據轉化為結構化的圖數據；根據知識圖譜構建圖神經網絡模型并對節點特征學習，生成節點的嵌入表示，建立故障檢測模型并通過鏈接預測技術實現故障識別，使得系統在早期階段識別潛在故障，減少光伏電站的停機時間，提高運行效率。

本發明授權一種基于知識圖譜的光伏電站故障檢測方法在權利要求書中公布了：1.一種基于知識圖譜的光伏電站故障檢測方法，其特征在于：包括，采集光伏電站運行過程中的多維時序數據，并對所述多維時序數據進行預處理，構建知識圖譜；基于所述知識圖譜的時空結構和語義信息，構建圖神經網絡模型，并對知識圖譜上的節點特征進行學習，生成節點的嵌入表示；根據所述節點的嵌入表示，建立故障檢測模型，并通過鏈接預測技術實現光伏電站故障的識別；通過能量傳播機制對所述故障檢測模型的故障檢測結果進行優化和置信度評估，完成光伏電站故障檢測；所述多維時序數據包括光伏電站運行數據、光伏組件狀態數據和逆變器狀態數據；所述嵌入表示包括第一嵌入表示和第二嵌入表示；所述能量傳播機制包括以下步驟：基于節點所述第二嵌入表示，構建能量函數計算節點的能量得分；利用知識圖譜的節點連接關系構建鄰接矩陣，定義節點之間的能量傳播路徑；同時對節點的能量向量進行初始化，并基于所述鄰接矩陣進行能量傳播；通過若干次迭代傳播更新節點的能量得分，確定節點的故障狀態；根據所述節點的能量得分，對所述故障檢測模型的故障檢測結果進行置信度評估，識別故障節點，并輸出故障檢測結果；所述能量函數的具體公式如下： ；其中，為節點v第二嵌入表示的能量得分，為故障類別數，為類別a對應的權重向量，為t時刻節點v的第二嵌入表示；所述能量傳播的具體公式如下： ；其中，為節點v在k層的能量得分，為節點u和節點v之間的鄰接矩陣值，、和控制能量傳播的參數，為節點v的鄰居集合；還包括，當節點的嵌入表示在預設范圍時，則繼續監控，并將此節點的狀態記錄為正常；當節點的嵌入表示偏離預設范圍時，則將此節點標記為潛在故障點，進行故障檢測；所述故障檢測包括，若檢測到潛在故障點時，則使用鏈接預測技術進行分析，并通過能量傳播機制進行置信度評估；若故障鏈接概率超過預設閾值，則將此鏈接確認為故障鏈接；若若干相鄰鏈接同時被標記為故障鏈接時，則將此鏈接所連接的設備群組標記為故障區域，進行故障類型的識別；若故障特征為已知故障類型，則分類到相應的故障類型；若未見過的故障特征模式，則將標記為未知故障類型，并啟動人工審核流程；所述置信度評估包括，當節點的能量得分大于置信度閾值時，則報告為高可信度故障；當節點的能量得分小于置信度閾值時，則暫時不報告故障，并將此節點加入監控名單；所述知識圖譜的構建過程包括以下步驟：對所述多維時序數據進行特征提取和時變實體抽取，識別設備狀態和運行工況；將提取出的特征映射作為知識圖譜中的節點和關系，計算實體間的時變關系強度，并進行選擇關鍵實體對，具體公式如下： ；其中，為t時刻實體i和實體j時變關系強度的系數，為t時刻實體i和實體j的互相關系數，為t時刻實體i和實體j的傳遞熵，和為平衡參數；采用所述時變關系強度的系數作為邊的權重，構建知識圖譜，并利用先驗知識對知識圖譜進行時空結構和語義信息的補充，得到維度為M×M×L的張量G，作為圖神經網絡模型的輸入；其中，M為實體總數，L為時間步長；所述圖神經網絡模型的構建步驟包括以下步驟：設計適用于知識圖譜結構的圖卷積操作，對知識圖譜結構中的節點和鄰居節點特征進行聚合，生成節點的第一嵌入表示；基于所述第一嵌入表示，引入注意力機制，增強節點特征在嵌入表示的權重；通過多層圖卷積，結合時空特征和語義信息，聚合鄰居節點的信息，并通過非線性激活函數對節點所述第一嵌入表示進行處理，生成節點的第二嵌入表示，具體公式如下： ；其中，為節點v在第k層的第二嵌入表示，為節點u在第k-1層的第二嵌入表示，為節點v的鄰居集合，為節點u對節點v的注意力權重，為第k層的權重矩陣，為第k層的偏置向量，為非線性激活函數；所述鏈接預測技術是基于深度學習的生成對抗網絡方法；所述故障檢測模型的構建過程包括以下步驟：根據節點的第二嵌入表示，采用鏈接預測技術識別光伏電站中的故障鏈接，構建并訓練故障檢測模型；采用交叉熵損失函數，通過反向傳播優化故障檢測模型參數，最小化預測結果和實際標注的誤差，具體公式如下： ；其中，為節點v第二嵌入表示和節點u第二嵌入表示的故障鏈接概率，為節點u和節點v之間存在故障鏈接的標注值，為故障檢測模型的權重矩陣。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華能南京金陵發電有限公司，其通訊地址為：210046 江蘇省南京市棲霞區棲霞街道江乘大道8號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。