Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南方电网科学研究院有限责任公司金鑫获国家专利权

南方电网科学研究院有限责任公司金鑫获国家专利权

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!

龙图腾网获悉南方电网科学研究院有限责任公司申请的专利电力用户聚类方法、装置、计算机设备和存储介质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:CN120596959B

龙图腾网通过国家知识产权局官网在2026-01-23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:202511093572.3,技术领域涉及:G06Q50/06;该发明授权电力用户聚类方法、装置、计算机设备和存储介质是由金鑫;潘廷哲;王宗义;冯俊豪;曹望璋设计研发完成,并于2025-08-06向国家知识产权局提交的专利申请。

电力用户聚类方法、装置、计算机设备和存储介质在说明书摘要公布了:本申请涉及一种电力用户聚类方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括:获取电力用户历史用电的时间序列数据;采用最小‑最大归一化方式,将所述历史用电的时间序列数据映射至预设值域;从归一化处理后的历史用电的时间序列数据中,提取得到低于预设维度的电力用户的历史用电特征;根据所述低于预设维度的电力用户的历史用电特征,利用高斯混合模型进行聚类,并对聚类结果进行收敛处理;根据收敛处理后的聚类结果,对电力用户进行分类。采用本方法能够兼顾高维数据降维与时间序列特性,提高电力用户聚类的聚类精度。

本发明授权电力用户聚类方法、装置、计算机设备和存储介质在权利要求书中公布了:1.一种电力用户聚类方法,其特征在于,所述方法包括: 获取电力用户历史用电的时间序列数据; 采用最小-最大归一化方式,将所述历史用电的时间序列数据映射至预设值域; 从归一化处理后的历史用电的时间序列数据中,提取得到低于预设维度的电力用户的历史用电特征,包括:构建具有编码-解码对称结构的特征提取模型;根据逐层降维方式,将归一化处理后的历史用电的时间序列数据进行压缩处理,得到低于预设维度的电力用户的历史用电特征;其中,将线性整流函数作为所述特征提取模型中的编码结构的输出层的激活函数;将Sigmoid激活函数作为所述特征提取模型中的解码结构的输出层的激活函数; 其中,所述编码-解码对称结构的特征提取模型呈镜像对称,以最小化重构误差为训练目标,采用均方误差MSE为损失函数,优化器选用Adam算法,并采用动态调整学习率;训练完成后,截断解码路径,仅保留编码部分,编码器最后一层输出作为用户的低维特征表示;编码器的输出层使用ReLU激活函数,以引入非线性并保持特征的稀疏性;解码器的输出层使用Sigmoid函数,将重构数据压缩至与归一化后的输入数据尺度保持一致; 根据所述低于预设维度的电力用户的历史用电特征,利用高斯混合模型进行聚类,包括:根据K均值预设聚类结果,初始化高斯混合模型的均值向量、协方差矩阵及混合权重;基于贝叶斯信息准则,在预设候选聚类数量范围内选取使准则值最小的聚类数量作为最优聚类数量;以所述最优聚类数量设定高斯混合模型后,基于期望最大化算法迭代更新各数据样本归属于各高斯成分的概率,并同步更新模型参数,直至对数似然函数收敛,输出最终聚类结果,并对聚类结果进行收敛处理; 根据收敛处理后的聚类结果,对电力用户进行分类。

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南方电网科学研究院有限责任公司,其通讯地址为:510663 广东省广州市萝岗区科学城科翔路11号J1栋3、4、5楼及J3栋3楼;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。