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！

龙图腾网获悉江苏科技大学申请的专利一种电网供电负荷异常值检测方法及装置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：CN116561687B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202310488905.7，技术领域涉及：G06F18/2433；该发明授权一种电网供电负荷异常值检测方法及装置是由宋赛卫;程科;姜元昊设计研发完成，并于2023-05-04向国家知识产权局提交的专利申请。

本一种电网供电负荷异常值检测方法及装置在说明书摘要公布了：本发明涉及电网供电检测技术领域，具体涉及一种电网供电负荷异常值检测方法及装置，包括获取电网供电负荷数据，将电网供电负荷数据拟合为下层高斯分布，然后训练多层次高斯分布混合优化模型，获得最优权重，将最优权重对下层高斯分布执行聚合操作得到上层高斯分布，生成当前处理的供电负荷时点数据的可信度评级，基于可信度评级确定供电负荷时点数据是否异常，可信度评级为电网管理人员提供决策支持，进而判断异常值；本发明可有效地识别出电网供电负荷数据中存在的异常值，以避免可能导致的经济或财产损失。

本发明授权一种电网供电负荷异常值检测方法及装置在权利要求书中公布了：1.一种电网供电负荷异常值检测方法，其特征在于，包括： 获取异常检测数据集； 从异常检测数据集中提取一个供电负荷时点数据； 将供电负荷时点数据发送至电网供电负荷数据库，通过元素生成函数从电网供电负荷数据库中获取电网供电负荷数据Sall： 将电网供电负荷数据Sall拟合为下层高斯分布： 将供电负荷时点数据发送至电网供电负荷数据库，通过元素生成函数从电网供电负荷数据库中获取电网供电负荷数据Sall，包括： 获取最大置信间隔； 将供电负荷时点数据发送至电网供电负荷数据库，提取供电负荷时点数据中记录时刻Tcurrent，将最大置信间隔和记录时刻Tcurrent输入到元素生成函数中，生成元素生成值； 元素生成值： ； 其中，、和分别为记录时刻、集合生成类型和最大置信间隔；为集合生成类型的所有可能取值所构成的全集，所述全集包括’Year’、’Mouth’、’Day’、’Hour’、’Minute’这五个字符串；S·为元素生成函数；i为第一访问指针；getData·为供电负荷获取函数，用于获取当前时刻的i个时间间隔之前的对应时刻的电网供电负荷值loadi； 调用DataSet·函数，输入元素生成值，获取电网供电负荷数据Sall； 所述电网供电负荷数据Sall： ； 其中，Sall为电网供电负荷数据；为集合生成类型，为集合生成类型的所有可能取值所构成的全集，所述全集包括’Year’、’Mouth’、’Day’、’Hour’、’Minute’这五个字符串；DataSet·函数用于对于指定的集合生成类型，构建电网供电负荷数据Sall的一个元素；S·为元素生成函数； 将下层高斯分布作为输入值，以训练多层次高斯分布混合优化模型，获得最优权重； 将最优权重对下层高斯分布执行聚合操作得到上层高斯分布，通过上层高斯分布得到服从上层高斯分布的随机变量的均值和标准差； 通过服从上层高斯分布的随机变量的均值和标准差生成当前处理的供电负荷时点数据的可信度评级，基于可信度评级确定供电负荷时点数据是否异常； 其中，所述电网供电负荷数据Sall是一个包含多个元素的集合，所述将电网供电负荷数据Sall拟合为下层高斯分布，包括： 读取电网供电负荷数据Sall中的一个未被访问过的元素，对其进行拟合，得到独立高斯分布； 保存多组各自拟合得到的多组独立高斯分布，所有独立高斯分布为下层高斯分布； 所述下层高斯分布包括： ； 其中，为下层高斯分布；load为电网供电负荷值；为集合生成类型，为集合生成类型的所有可能取值所构成的全集，所述全集包括’Year’、’Mouth’、’Day’、’Hour’、’Minute’这五个字符串；exp·为自然底数e的指数函数；和分别为服从下层高斯分布的随机变量的均值和标准差；length·为集合元素数量计算函数；j为第二访问指针；为按集合生成类型构建得到的电网供电负荷数据Sall的一个元素； 将下层高斯分布作为输入值，以训练多层次高斯分布混合优化模型，获得最优权重，包括： 随机初始化种群，以目标高斯区间误差为评价指标，计算初始种群中的每个个体的初始高斯区间误差； 调用差分进化算法，对下层高斯分布的权重分布情况进行优化计算，获得优化种群，并计算优化种群中的每个个体的优化高斯区间误差； 若优化目标高斯区间误差与初始目标高斯区间误差的差值小于阈值或者达到最大迭代次数，则停止计算，最后一次差分进化算法计算获得的个体为最优个体Ibest；否则，将初始化种群替换为优化种群，并返回执行以目标高斯区间误差为评价指标，计算初始种群中的每个个体的初始目标高斯区间误差的步骤； 对最优个体Ibest解码得到下层高斯分布的最优权重； 所述最优个体Ibest： ； 其中，Ibest为最优个体，、和分别为五组独立高斯分布、、、和的最优权重； 所述上层高斯分布为： ； 其中，为上层高斯分布；为集合生成类型，为集合生成类型的所有可能取值所构成的全集，所述全集包括’Year’、’Mouth’、’Day’、’Hour’、’Minute’这五个字符串；exp·为自然底数e的指数函数；为圆周率的值；和分别为服从下层高斯分布的随机变量的均值和标准差；和分别为服从上层高斯分布的随机变量的均值和标准差；为下层高斯分布的最优权重；、和分别为五组独立高斯分布、、、和的最优权重；为下层高斯分布； 可信度评级为： ； 其中，为当前处理的供电负荷时点数据，包括电网供电负荷值load及其记录时刻；为当前处理的供电负荷时点数据的可信度评级；可信度评级的取值为或时分别代表当前处理的供电负荷时点数据的置信程度为高度可信、中度可信、低度可信或显著异常；和分别为服从上层高斯分布的随机变量的均值和标准差。

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江苏科技大学，其通讯地址为：212008 江苏省镇江市梦溪路2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。