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！

龙图腾网获悉国网信息通信产业集团有限公司;福建亿榕信息技术有限公司申请的专利一种面向国产环境的电力应用性能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：CN121302304B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511884298.1，技术领域涉及：G06F18/25；该发明授权一种面向国产环境的电力应用性能异常检测方法及系统是由蔡清远;程明;张富林;李建华;郭伟强;程凯;谭硕;林文塨;李一;王鹏设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种面向国产环境的电力应用性能异常检测方法及系统在说明书摘要公布了：本发明涉及一种面向国产环境的电力应用性能异常检测方法及系统，包括以下步骤：S1:获取国产化基础环境、电力实时数据、应用系统性能指标以及业务操作日志，并预处理，得到多维时序数据矩阵；S2:基于多维时序数据矩阵，进行特征工程与特征优化，得到优化特征矩阵；S3:基于优化特征矩阵，结合历史标注的异常样本，构建多层级AI异常检测模型；S4:根据多层级AI异常检测模型，根据预处理后的实时数据，获取异常检测结果；S5：根据异常检测结果，获取告警策略与处置白名单，将异常检测结果转为可操作告警与处置。本发明有力降低了运维压力和响应风险，实现异常检测到告警处置的全流程智能化和精细化管理。

本发明授权一种面向国产环境的电力应用性能异常检测方法及系统在权利要求书中公布了：1.一种面向国产环境的电力应用性能异常检测方法，其特征在于，包括以下步骤： S1:获取国产化基础环境、电力实时数据、应用系统性能指标以及业务操作日志，并预处理，得到多维时序数据矩阵； S2:基于多维时序数据矩阵，进行特征工程与特征优化，得到优化特征矩阵； S3:基于优化特征矩阵，结合历史标注的异常样本，构建多层级AI异常检测模型； S4:根据多层级AI异常检测模型，根据预处理后的实时数据，获取异常检测结果； S5：根据异常检测结果，获取告警策略与处置白名单，将异常检测结果转为可操作告警与处置； 所述构建多层级AI异常检测模型包括快速告警层、稳健判定层和根因辅助层；所述快速告警层，采用轻量级统计和距离度量方法分析，输出异常分数与初筛标签；所述稳健判定层，采用基于历史标注样本构建监督学习模型，处理非线性与交互，输出置信度高于阈值的标签；所述根因辅助层，结合系统拓扑结构和调用链信息，进行根因分析和传播路径追踪，最终三层模型通过分数融合和规则约束形成最终的异常检测结果； 所述快速告警层，采用轻量级统计和距离度量方法分析，输出异常分数与初筛标签，具体如下： 根据优化特征矩阵ft，计算统计偏离分数SZt、距离度量分数SMt： ； ； ； 其中，zjt为第j个特征在时刻t的鲁棒Z-score值；ft,j为时刻t第j个特征的观测值；medj为第j个特征的历史中位数;MADj为第j个特征的中位绝对偏差; 为防零除的小常数；p为特征维度总数；μ特征的历史均值向量；Σ为特征的协方差矩阵； 将SZt、SMt映射到一致区间并加权融合，得到快速告警层的综合异常分数SL1t： ； 其中，，分别为权重系数； 对比动态阈值τ产生初筛标签与置信度： ； ； 其中，medSL1为快速告警层异常分数的历史中位数；MADSL1为L1层异常分数的中位绝对偏差；k为阈值调整系数；为快速告警层的二元异常标签；为指示函数；cL1t为异常置信度评分；IQRSL1为L1异常分数的四分位距；为正部函数。

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信息通信产业集团有限公司;福建亿榕信息技术有限公司，其通讯地址为：102209 北京市昌平区未来科技城北区国网智能电网研究院内C座4层；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。