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！

龙图腾网获悉广东电力交易中心有限责任公司申请的专利一种分时日分频段特征工程的异常数据识别方法和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：CN120995359B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511516936.4，技术领域涉及：G06F18/2433；该发明授权一种分时日分频段特征工程的异常数据识别方法和系统是由张云勇;孙谦;刘思捷;白云霄;徐云;钟佳宇;邓珊;孙毅;郭吉群;谢楷俊;张雯;马为恒设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本一种分时日分频段特征工程的异常数据识别方法和系统在说明书摘要公布了：本发明属于电网异常识别领域，涉及一种分时日分频段特征工程的异常数据识别方法和系统，包括：对初始多源数据进行处理，得到多维时序数据；对所述多维时序数据进行分解和重构，得到多个频段的频段多维时序数据；对于每个所述频段多维时序数据，建立频段数据回归模型及筛选核心特征集；基于待评估时段的核心特征集，通过所述频段数据回归模型输出待评估时段的监测数据预测值，并基于所述监测数据预测值和目标评估数据，确定异常监测数据；以实现电网监测数据异常与否的精准识别，为电网运行的精细化技术管控、设备故障排查及调度策略优化提供技术支撑。

本发明授权一种分时日分频段特征工程的异常数据识别方法和系统在权利要求书中公布了：1.一种分时日分频段特征工程的异常数据识别方法，其特征在于，包括： 对初始多源数据进行处理，得到多维时序数据； 对所述多维时序数据进行分解和重构，得到多个频段的频段多维时序数据； 对于每个所述频段多维时序数据，建立频段数据回归模型及筛选核心特征集，包括： 对所述频段多维时序数据进行特征提取，得到内部特征序列和多个外部特征序列；所述内部特征序列用于表示监测数据在时间维度的关联变化关系；所述外部特征序列用于表示其他数据的变化情况； 计算监测数据序列分别与内部特征序列和多个外部特征序列的相关系数，按相关系数的绝对值从大到小对多个特征序列排序，得到特征重要性序列； 构建频段数据回归模型，并基于频段数据回归模型在多尺度的重要性阈值下的性能表现，对多个特征序列进行筛选，得到初始核心特征集，包括： 基于当前重要性阈值，确定当前核心特征集； 将当前核心特征集划分为多个训练集和一个验证集； 通过多个训练集训练初始频段数据回归模型，得到训练好的频段数据回归模型； 通过验证集对训练好的频段数据回归模型进行验证，得到模型性能表现； 确定新的重要性阈值，并将新的重要性阈值作为当前重要性阈值，重复确定训练好的频段数据回归模型的性能表现； 将最好性能表现对应的模型作为最终的频段数据回归模型，将对应的当前核心特征集作为初始核心特征集，将当前重要性阈值作为最终的重要性阈值；所述最好性能表现是指模型的均方误差最小； 基于多个特征序列之间的相关系数，对初始核心特征集进行冗余性检查，剔除冗余特征序列，得到核心特征集；当异常监测数据为异常电价数据时，还包括对异常电价数据进行处理，确定导致异常的行为，包括： 确定异常电价数据所属的类别；类别包括峰日高频异常、峰日低频异常、峰日趋势异常、谷日高频异常、谷日低频异常、谷日趋势异常、平日高频异常、平日低频异常和平日趋势异常； 基于异常电价数据所属的类别，确定一个或多个类别指标； 将类别指标匹配到对应的指标范围，确定导致异常的行为； 基于待评估时段的核心特征集，通过所述频段数据回归模型输出待评估时段的监测数据预测值，并基于所述监测数据预测值和目标评估数据，确定异常监测数据。

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广东电力交易中心有限责任公司，其通讯地址为：510699 广东省广州市越秀区东风东路761号丽丰中心12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。