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！

龙图腾网获悉福建师范大学申请的专利基于多维Isolate-Detect多变点检测的企业用电典型模式分析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：CN117034197B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202311029259.4，技术领域涉及：G06F18/25；该发明授权基于多维Isolate-Detect多变点检测的企业用电典型模式分析方法是由庄丹;林芊盈;张逸;马铁丰设计研发完成，并于2023-08-16向国家知识产权局提交的专利申请。

本基于多维Isolate-Detect多变点检测的企业用电典型模式分析方法在说明书摘要公布了：本发明提出一种基于多维Isolate‑Detect多变点检测的企业用电典型模式分析方法，首先根据收集到的产业用电时间序列数据进行数据清洗；再对数据清洗后的数据进行季节分解，剔除数据的周期性模式，提取出数据的残差项；基于多维Isolate‑Detect对分解后得到的残差项进行多维变点检测，在每个划分出的时间区间内只检测单个变点，使得对于多维度的用电曲线中的变点检测更准确、计算效率更高；再结合均值检验统计量和最大值检验统计量得到可能的变点集合；对所检测到的变点集合采用多序列融合对可能的变点集合进行筛选，确定最终的用电量数据变点位置；最后基于所得到的变点位置对标准化后的时间序列数据进行划分，提取出用电量的典型用电行为。

本发明授权基于多维Isolate-Detect多变点检测的企业用电典型模式分析方法在权利要求书中公布了：1.一种基于多维Isolate-Detect多变点检测的企业用电典型模式分析方法，其特征在于，包括以下步骤： 步骤1：收集各个产业的用电量时序数据； 步骤2：对各产业的用电量时序数据进行缺失值填充，提取出工作日的某天用电数据或周末的某天用电数据，利用3σ原则剔除异常值，再进行标准化处理； 步骤3：将清洗后的数据先进行平滑处理，再对平滑后的数据进行季节分解，剔除数据的周期性和趋势性，得到平滑处理后的数据的残差项； 步骤4：计算各产业用电数据残差项的每个时间点的CUSUM统计量，再计算每个时间点的CUSUM统计量的均值和最大值，分别记为M检验统计量和T检验统计量； 步骤5：利用Isolate-Detect算法检测各产业用电数据的共同变点，根据Isolate-Detect算法的阈值公式预设阈值，判定M检验统计量超过阈值的时间点为变点，将得到的变点放入变点集中，记为变点集合CP_M；判定T检验统计量超过阈值的时间点为变点，将得到的变点放入变点集中，记为变点集合CP_T； 步骤6：将利用数据分析得到的变点集合记为变点集合CP，将集合CP_M中和集合CP_T中差值绝对值小于3的两个元素取出，选择较小的值放入集合CP，得到最后的变点集合； 步骤7：基于所得到的变点位置对标准化后的用电时序数据进行分段，对每一段时序数据的各个产业用电量求均值，得到每段时序数据的典型用电行为； 步骤4中，利用分解后得到的数据残差项，计算每个时间点的CUSUM统计量均值，公式如下： 其中，i指的是第i个产业，s指的是检测区间的起点，e指的是检测区间的终点，b指的是检测的时间点，n指的是检测的区间总长度，Ii,t指的是第i个产业t时刻平滑处理后的数据残差项，指的是第i个产业在检测区间[s,e]内的b时间点的CUSUM统计量值，p指的是数据维度的总数，指的是在检测区间[s,e]内的b时间点的CUSUM统计量均值，记为 步骤5中，基于计算所得到的M检验统计量和T检验统计量，利用Isolate-Detect算法检测各个产业的用电量的共同变点： 首先创建待检测的区间，对于一个长度为T的数据序列，首先设定一个正常数λT，然后创建两组有序的K＝[TλT]的左右扩展区间；第j个右扩展区间是Rj＝[1,min{jλT,T}]，第j个左扩展区间是Lj＝[max{1,T-jλT+1},T]；在有序集合SRL＝{R1,L1,R2,L2,...,RK,LK}中收集这些区间；然后识别R1中检验统计量值最大的点； 基于所得到的检验统计量，设定阈值，其中阈值的计算公式如下： 式中，σ为输入数据的标准差，C为给定的参数值；比较阈值和检验统计量，判定该时间点是否为变点：如果检验统计量的值超过了阈值，则将对应点视为变点；如果没有超过阈值，则继续检测SRL的下一个区间。

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福建师范大学，其通讯地址为：350117 福建省福州市闽侯县上街镇学府南路8号福建师范大学旗山校区；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”。