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！

龙图腾网获悉合肥工业大学;国网安徽省电力有限公司电力科学研究院;国网安徽省电力有限公司申请的专利含分布式光伏台区用户数据异常检测方法及系统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：CN117312896B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202311301983.8，技术领域涉及：G06F18/23213；该发明授权含分布式光伏台区用户数据异常检测方法及系统是由仇茹嘉;吴红斌;徐斌;王小明;董王朝;倪静怡;田腾;程石;黄道友;张征凯;韩平平;何叶设计研发完成，并于2023-10-08向国家知识产权局提交的专利申请。

本含分布式光伏台区用户数据异常检测方法及系统在说明书摘要公布了：本发明提供含分布式光伏台区用户数据异常检测方法及系统，方法包括：以含分布式光伏台区的普通用户和光伏用户为研究对象，在监控与数据采集系统中采集历史量测数据；基于用户的历史量测数据，对用户历史负荷进行K‑means聚类，根据DBI指标选取聚类数目，形成各类用电行为的聚类中心曲线和可行域矩阵；根据斯皮尔曼相关系数将待测日数据划分到相关性比较大的类别，将待测数据采集点与其可行域进行对比，判断用户数据是否存在异常。本发明解决了含分布式光伏低压配电台区中，不同类型用户异常数据检测存在数据测量效率低、预测精度不高以及识别准确率低的技术问题。

本发明授权含分布式光伏台区用户数据异常检测方法及系统在权利要求书中公布了：1.含分布式光伏台区用户数据异常检测方法，其特征在于，所述方法包括： S1、针对含分布式光伏台区的普通用户、光伏用户，利用预置监控与数据采集系统，采集历史测量数据； S2、对所述历史测量数据中的用户历史负荷，进行K-means聚类，根据预置DBI指标，选取聚类数目，据以形成各类别用电行为的聚类中心曲线以及可行域矩阵； S2包括： S21、输入聚类簇数k，从所述历史测量数据中，取k个数据样本点，作为初始聚类中心，利用下述逻辑，计算其余所述数据样本点到聚类中心距离，比较测量数据到某类聚类中心的距离，越小表明该测量数据距离该聚类中心越近，将相应的样本点分配至邻近聚类中心； 式中，表示第i个其余测量数据，表示第j个聚类中心； S22、重新计算每个簇中，所有所述数据样本点到所述聚类中心的距离的平均值，以作为新聚类中心，并将所述数据样本点重新划分到所述新聚类中心中的新邻近聚类中心； S23、判断所述邻近聚类中心与所述新邻近聚类中心相比，是否发生变化； S24、若是，则储存并输出聚类结果，并执行后续步骤S26，否则，以新的所述平均值，代替初始的所述聚类中心，跳转至所述步骤S22； S25、13计算DBI指数，以衡量簇内距离与簇间距离之间的比率，选取比率最小的数据样本点数目，以作为适用聚类数目，以得到用户历史数据聚类； S26、取各所述用户历史数据聚类中，特定时刻采样数据进行分析，以得到所述特定时刻的正常采样数据阈值区间： S27、对所有采样时刻，执行所述步骤S26，以得到所述可行域矩阵，据以辨别异常量测数据，并根据所述所述用户历史数据聚类，绘制所述聚类中心曲线； S3、根据待测日数据、所述聚类中心曲线，求取斯皮尔曼相关系数，以将所述待测日数据，划分到强相关性类别，根据所述可行域矩阵，将所述待测日数据对应的采集点，与可行域对比，以判断所述用户对应的所述待测日数据是否存在异常； S3包括： S31、将所述待测日数据、所述聚类中心曲线作第一变量X、第二变量Y，按照所述第一变量X、所述第二变量Y的大小进行排序操作，排名平均值； S32、计算所述第一变量X、所述第二变量Y的等级之间的皮尔逊相关系数，据以分析每个所述聚类中心与所述待测日数据之间的相关性，得到待测数据相关系数值表； S33、根据所述皮尔逊相关系数，将待测曲线代入到对应的可行域曲线中，以将超出所述可行域的边界的部分，判别为异常数据。

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合肥工业大学;国网安徽省电力有限公司电力科学研究院;国网安徽省电力有限公司，其通讯地址为：230000 安徽省合肥市包河区屯溪路193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。