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！

龙图腾网获悉国网山西省电力公司吕梁供电公司申请的专利基于半监督学习的线损异常识别方法设备及储存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：CN116933178B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310926141.5，技术领域涉及：G06F18/2415；该发明授权基于半监督学习的线损异常识别方法设备及储存介质是由赵彦凯;李俊民;赵亮亮;郭朝楠设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本基于半监督学习的线损异常识别方法设备及储存介质在说明书摘要公布了：本发明公开了一种基于半监督学习的线损异常识别方法设备及储存介质，利用XGBoost对有标记的样本作为初始训练集得到初始预测模型，再使用初始预测模型对无标记的样本添加伪标签，之后通过计算马氏距离的方法选择出被正确标记可能性较高的样本加入到有标签样本中构成新的训练集，进行迭代训练直至模型收敛。本发明还公开了一种能够实现该方法的装置，包括设备及储存介质；本发明从机器学习角度出发，对配电网数据按照是否存在线损异常和线损异常的类型进行识别，基于本发明的使用可以大大降低运检人员人为标注样本的数量，具有实用性，适用范围大。

本发明授权基于半监督学习的线损异常识别方法设备及储存介质在权利要求书中公布了：1.一种基于半监督学习的线损异常识别方法，其特征在于，包括以下步骤： S1、基于原始配电网线损数据是否具有线损异常判断的标记，将数据分为有标签样本数据集和无标签样本数据集； S2、利用数据集中的有标签样本作为训练集，对XGBoost模型进行训练，得到初始评估模型； S3、利用训练得到的初始评估模型对无标签样本进行评估，评估结果作为样本的伪标签； S4、根据伪标签样本选择策略，基于马氏距离选择伪标签样本加入训练集，利用新训练集对XGBoost模型进行重新训练，得到新的评估模型； S5、重复S2~S3的过程，直到模型收敛，停止模型迭代训练，得到评估最终模型； S6、将未标记的台区线损相关数据输入训练好的自训练半监督学习模型对配电网线损样本进行诊断识别； 所述S2中，对XGBoost模型进行训练具体如下： 数据集包括配电网无标签样本集及配电网有标签样本集，其中，和分别为有标签训练样本集和测试样本集； ； ； 其中，为样本输入向量，为样本标签，为有标签测试样本输入向量，为有标签测试样本标签； 将有标签训练样本集输入XGBoost模型中进行训练，并通过网格搜索调整学习器的参数，得到初始评估模型XGB1； 所述S3的具体为： 利用初始评估模型XGB1对无标签样本集进行分类，得到无标签样本集的伪标签集合，构成伪标签样本集，其中为无标签样本，为对应的伪标签； 所述S4具体过程如下： 对有标签的训练集样本集，根据样本标签，对类别为的有标签样本，其中表示第类样本中的第个样本，计算其样本平均值和有标签样本矩阵的协方差矩阵： ； ； 为有标签样本的数量， 针对伪标签样本集中的每个伪标签样本，根据确定该伪标签样本所述的类别，计算与类别为的有标签训练样本平均值之间的马氏距离； ； 选择马氏距离小于阈值的伪标记样本加入有标签样本，构成新的训练集；利用新训练集对XGBoost模型进行重新训练，得到新的评估模型XGB2。

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国网山西省电力公司吕梁供电公司，其通讯地址为：033000 山西省吕梁市离石区龙山路844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。