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！

龙图腾网获悉华南理工大学申请的专利基于立体画像库和双通道加权的用户异常负荷辨识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：CN119577634B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411615844.7，技术领域涉及：G06F18/2433；该发明授权基于立体画像库和双通道加权的用户异常负荷辨识方法是由张桦晖;余涛;王艺澎;郑焕新;胡泽旭设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于立体画像库和双通道加权的用户异常负荷辨识方法在说明书摘要公布了：本发明公开了一种基于立体画像库和双通道加权的用户异常负荷辨识方法，包括：收集用户的负荷数据以及行业标签，对数据清洗后得到负荷数据集，再划分训练、测试数据集；构建用户负荷特性分析模块，统计训练数据集中不同用户之间和不同行业种类之间的不平衡程度，聚类提取用户多时间尺度典型用电曲线和多维度负荷特性指标；将用户负荷特性分析结果与行业标签结合，对各行业用户进行加权，二次聚类提取行业多时间尺度典型用电曲线和多维度负荷特性指标，构建立体画像库；对立体画像库中各行业进行负荷曲线‑特征双通道加权后，对测试数据集中的未知用户进行负荷类型和异常用电行为的辨识。本发明实现了对用户负荷类型和异常用电行为的高准确率辨识。

本发明授权基于立体画像库和双通道加权的用户异常负荷辨识方法在权利要求书中公布了：1.基于立体画像库和双通道加权的用户异常负荷辨识方法，其特征在于，包括以下步骤： 1收集用户的负荷数据以及行业标签，对负荷数据进行数据清洗，包括异常值剔除、缺失值填充和标准化，数据清洗后的负荷数据构成负荷数据集，按照比例将负荷数据集划分为训练数据集和测试数据集； 2构建包含了统计模块和聚类模块的用户负荷特性分析模块，统计训练数据集中不同用户之间和不同行业种类之间的不平衡程度，聚类提取用户多时间尺度典型用电曲线，再利用用户多时间尺度典型用电曲线计算用户多维度负荷特性指标，得到用户负荷特性分析结果； 3将用户负荷特性分析结果与行业标签结合，根据不同用户之间和不同行业种类之间的不平衡程度计算用户和行业加权系数，对密度峰值聚类算法进行加权改进后，利用加权改进后的密度峰值聚类算法二次聚类得到行业多时间尺度典型用电曲线，并计算行业多维度负荷特性指标，利用各行业多时间尺度典型用电曲线和多维度负荷特性指标构建立体画像库；具体操作步骤如下： 3.1将用户负荷特性分析结果与行业标签结合，根据不同用户之间和不同行业种类之间的不平衡程度计算用户和行业加权系数，保存到立体画像库中的补偿模块； 3.2获取训练数据集中各用户时间尺度T′内的用户多时间尺度典型用电曲线，将行业标签相同的用户划分到同一范围内，利用改进密度峰值聚类算法进行二次聚类； 3.3获取训练数据集中各用户的多维度负荷特性指标，利用用户加权系数进行加权，计算每个行业的多维度负荷特性指标，作为行业多维度负荷特性指标序列保存到立体画像库中的特征模块； 3.4将行业曲线关联系数阈值与行业特征关联系数阈值相加，得到行业关联系数阈值； 3.5根据不同时间尺度内用户负荷数据变化情况以及不同行业用电特性，设置曲线权重矩阵θC和特征权重矩阵θf，其中，曲线权重矩阵θC＝θC1,θC2,θC3,θC4分别表示对每个行业年、月、日和节假日时间尺度内的典型用电曲线的关注权重；特征权重矩阵θf＝θf1,θf2,θf3,θf4,θf5分别表示对日最小负荷率、日平均负荷率、日峰谷差率、谷电系数和平时段用电百分比这5个多维度负荷特性指标的关注权重，将这两个权重矩阵保存到立体画像库中的权重模块； 4设计负荷曲线-特征双通道加权辨识策略，对立体画像库中各行业进行负荷曲线-特征双通道加权后，计算测试数据集中未知用户与立体画像库中各行业的总关联系数，得到未知用户负荷类型和异常用电行为的辨识结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。