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！

龙图腾网获悉国网浙江省电力有限公司营销服务中心;国网浙江省电力有限公司;浙江华云信息科技有限公司;浙江大学申请的专利一种基于深度置信网络的供电服务工单异常识别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：CN115270916B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202210674770.9，技术领域涉及：G06F18/241；该发明授权一种基于深度置信网络的供电服务工单异常识别方法是由朱蕊倩;钟震远;张艺凡;张维;楼斐;徐家宁;张一池;陈昱伶;沈皓;葛岳军;季德伟;谭伟涛设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本一种基于深度置信网络的供电服务工单异常识别方法在说明书摘要公布了：本申请公开了一种基于深度置信网络的供电服务工单异常识别方法，包括通过非负矩阵分解将训练集组成的供电工单数量矩阵分解为系数矩阵，分别计算基于统计规律、时序性和空间相似性的供电工单异常特征指标；构建基于深度置信网络的供电工单异常识别模型，以供电工单异常特征指标作为输入，供电工单异常分类标签作为输出，进行模型训练和参数调优，根据训练好的深度置信网络识别异常供电工单，输出异常识别结果。从统计规律、时序性和空间相似性三个方面提取了异常工单区别于正常工单的特征，构建了基于深度置信网络的供电工单异常识别模型，可以有效、准确的识别出异常工单，对提高供电工单处理效率、改善供电服务品质具有重要意义。

本发明授权一种基于深度置信网络的供电服务工单异常识别方法在权利要求书中公布了：1.一种基于深度置信网络的供电服务工单异常识别方法，其特征在于，包括： 步骤1、输入95598供电工单数据，组成供电工单数量矩阵，将供电工单数据随机划分得到训练集和测试集； 步骤2、通过非负矩阵分解将训练集组成的供电工单数量矩阵分解为特征矩阵和系数矩阵，计算分解所得系数矩阵的列向量之间的相似度距离，识别训练集中的异常供电工单，对异常工单进行修正； 步骤3、分别计算基于统计规律、时序性和空间相似性的供电工单异常特征指标； 步骤4、构建基于深度置信网络的供电工单异常识别模型，以供电工单异常特征指标作为输入，供电工单异常分类标签作为输出，进行模型训练和参数调优，根据训练好的深度置信网络识别异常供电工单，输出异常识别结果； 所述步骤3中，考虑供电工单数量变化的空间相似性构建供电工单异常特征指标，包括： 通过变异系数来进行量化空间接受能力，其计算公式为： 式中，Bi表示供电公司i的变异系数；可以看出，当变异系数较大时，表明供电工单数量的波动程度大，该供电公司的工单数量越容易受到邻近供电公司的影响； 空间影响力通过供电公司之间的距离和它们工单数量变化之间的相似程度来进行量化，即： 式中，dij表示供电公司i和供电公司j的距离；分别表示时间T内供电公司i和供电公司j工单数量的平均值；表示供电公司i和供电公司j之间的空间影响力； 在此基础上，供电公司i在第t日的基于空间相似性的工单估计值表示为： 式中，N*表示与供电公司i相邻的所有供电公司；ΔYj,t表示与供电公司i相邻的第j个供电公司在第t日工单数量相对于前一日的变化；Yi,t-1为供电公司i在第t-1日新输入的待识别工单数量；由此确定基于空间相似性的供电工单异常特征指标为： 式中，表示供电公司i在第t日的基于空间相似性的供电工单异常特征指标；ε为基于空间相似性预测误差的修正裕度；Yi,t表示供电公司i在第t日新输入的待识别工单数量。

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国网浙江省电力有限公司营销服务中心;国网浙江省电力有限公司;浙江华云信息科技有限公司;浙江大学，其通讯地址为：311121 浙江省杭州市余杭区仓前街道云联路138号5幢；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”。