一种基于TMR传感器的灵敏度补偿方法和系统技术方案

本发明专利技术公开了一种基于TMR传感器的灵敏度补偿方法和系统，该方法包括：温度补偿电路引入负温度系数温敏电阻与TMR电流传感器串联；使用拟合补偿技术，通过精确测量温度与传感器灵敏度的对应关系，并利用最小二乘算法进行数据拟合，得到温度和灵敏度的映射曲线；构建并训练神经网络模型，用于学习并模拟空间地磁场、温度的环境因素与TMR电流传感器测量输出之间的复杂映射关系；利用训练好的神经网络模型，根据上位机实时获取的环境温度信息以及模型预测的校正因子，对TMR电流传感器的原始输出信号进行实时校正补偿。本申请通过独特的补偿机制和优化算法，显著提高了电流信号采集的准确性和系统的稳定性，降低了环境因素的影响。

【技术实现步骤摘要】

本专利技术涉及电力系统tmr电流传感器及其温度与磁场影响修正，尤其涉及一种基于tmr传感器的灵敏度补偿方法和系统。

技术介绍

1、近年来，随着全球经济的迅猛发展和社会的不断进步，人们对于电能的需求持续增长，这一趋势在工业、商业和居民用电领域均得到了体现。为满足日益增长的电能需求，电力系统正逐步向超高压、大容量、智能化的方向迈进。这种发展趋势不仅提高了电能的传输效率，还促进了智能电网、分布式能源等先进技术的应用。在这一背景下，电力系统的安全稳定运行对于经济的持续发展和人民生活的正常秩序具有至关重要的作用。

2、在电力系统中，tmr(tunnel magneto resistance，隧道磁电阻)电流传感器作为不可或缺的组成部分，其性能直接关系到电力系统的安全稳定运行以及电量的精确测量。tmr电流传感器因其高精度、高灵敏度等特性，在电力系统中得到了广泛应用。然而，在实际应用中，tmr电流传感器也面临着多重挑战。

3、首先，由于电力系统环境的复杂性，tmr电流传感器往往需要长期暴露在高温或低温的恶劣应用环境下。这种极端的环境条件对tmr电本文档来自技高网...

【技术保护点】

1.一种基于TMR传感器的灵敏度补偿方法，其特征在于，包括：

2.如权利要求1所述的基于TMR传感器的灵敏度补偿方法，其特征在于，所述ResNet-50神经网络模型在包含多种环境条件下采集的样本数据集上进行初始训练，并通过微调优化技术，仅对输出层以及靠近输出层的卷积层进行训练，以提高模型在特定应用场景下的预测精度。

3.如权利要求2所述的基于TMR传感器的灵敏度补偿方法，其特征在于，所述微调优化技术采用随机梯度下降进行优化，并选择RELU函数作为激活函数。

4.如权利要求1所述的基于TMR传感器的灵敏度补偿方法，其特征在于，所述ResNet-50神经网...

【技术特征摘要】

1.一种基于tmr传感器的灵敏度补偿方法，其特征在于，包括：

2.如权利要求1所述的基于tmr传感器的灵敏度补偿方法，其特征在于，所述resnet-50神经网络模型在包含多种环境条件下采集的样本数据集上进行初始训练，并通过微调优化技术，仅对输出层以及靠近输出层的卷积层进行训练，以提高模型在特定应用场景下的预测精度。

3.如权利要求2所述的基于tmr传感器的灵敏度补偿方法，其特征在于，所述微调优化技术采用随机梯度下降进行优化，并选择relu函数作为激活函数。

4.如权利要求1所述的基于tmr传感器的灵敏度补偿方法，其特征在于，所述resnet-50神经网络模型的训练过程包括初始训练和微调训练两个阶段，其中初始训练采用常规训练得到初始网络参数，而微调训练则定位于后15层卷积层和输出层，通过不断微调后续卷积层的网络参数来优化模型性能。

5.如权利要求1所述的基于tmr传感器的灵敏度补偿方法，其特征在于，在训练resnet-50神经网络模型时，通过反向传播方法根据预测结果与真实标记之间的误差进行参数学习，不断更新卷积神经网络参数，直...

【专利技术属性】
技术研发人员：陈秋霖，许永鹏，赵思诚，孙炜昊，杨伟鸿，李卓潇，高萌，臧奕茗，范才进，严英杰，成传晖，刘亚东，黄之明，江秀臣，罗颜，卓然，王国利，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：