買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜國(guó)網(wǎng)遼寧省電力有限公司經(jīng)濟(jì)技術(shù)研究院;國(guó)家電網(wǎng)有限公司申請(qǐng)的專(zhuān)利一種基于零樣本學(xué)習(xí)的綜合能源系統(tǒng)非侵入式建模方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114386314B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202111495935.8，技術(shù)領(lǐng)域涉及：G06F18/20；該發(fā)明授權(quán)一種基于零樣本學(xué)習(xí)的綜合能源系統(tǒng)非侵入式建模方法是由商文穎;程孟增;王宗元;徐熙林;張娜;鄔桐;李金起;胡旌偉;張玫珊;劉凱;楊方圓;楊博;許言路;楊天蒙設(shè)計(jì)研發(fā)完成，并于2021-12-09向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于零樣本學(xué)習(xí)的綜合能源系統(tǒng)非侵入式建模方法在說(shuō)明書(shū)摘要公布了：本發(fā)明屬于能源系統(tǒng)建模技術(shù)領(lǐng)域，尤其涉及一種基于零樣本學(xué)習(xí)的綜合能源系統(tǒng)非侵入式建模方法。本發(fā)明利用基于稀疏編碼的零樣本學(xué)習(xí)對(duì)自能源中設(shè)備分類(lèi)，對(duì)綜合能源系統(tǒng)已知數(shù)據(jù)集及其輔助信息對(duì)分類(lèi)模型進(jìn)行訓(xùn)練，將已知數(shù)據(jù)集所學(xué)習(xí)的知識(shí)有效遷移到未知數(shù)據(jù)集中，實(shí)現(xiàn)對(duì)未知設(shè)備數(shù)據(jù)集的分類(lèi)；采用雙向長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行提取，根據(jù)提取結(jié)果對(duì)綜合能源系統(tǒng)中用電設(shè)備、發(fā)電設(shè)備和儲(chǔ)能設(shè)備的運(yùn)行狀態(tài)劃分；基于設(shè)備運(yùn)行狀態(tài)建立多模因子隱馬爾可夫模型，實(shí)現(xiàn)對(duì)含未知類(lèi)型設(shè)備的綜合能源系統(tǒng)的非侵入式建模。本發(fā)明準(zhǔn)確地識(shí)別綜合能源系統(tǒng)中未知類(lèi)型設(shè)備，有效減少非侵入式建模方法的平均誤差，使模型精度和準(zhǔn)確度得到顯著提高。

本發(fā)明授權(quán)一種基于零樣本學(xué)習(xí)的綜合能源系統(tǒng)非侵入式建模方法在權(quán)利要求書(shū)中公布了：1.一種基于零樣本學(xué)習(xí)的綜合能源系統(tǒng)非侵入式建模方法，其特征是：包括以下步驟：步驟1.對(duì)綜合能源系統(tǒng)中已知類(lèi)型設(shè)備和未知類(lèi)型設(shè)備進(jìn)行分類(lèi)，利用基于稀疏編碼的零樣本學(xué)習(xí)對(duì)自能源中設(shè)備進(jìn)行分類(lèi)，對(duì)綜合能源系統(tǒng)已知數(shù)據(jù)集及其輔助信息對(duì)分類(lèi)模型進(jìn)行訓(xùn)練，將已知數(shù)據(jù)集所學(xué)習(xí)的知識(shí)有效遷移到未知數(shù)據(jù)集中，從而實(shí)現(xiàn)對(duì)未知設(shè)備數(shù)據(jù)集的分類(lèi)；包括：步驟1.1.將綜合能源系統(tǒng)中的Nknow個(gè)已知類(lèi)型設(shè)備運(yùn)行功率時(shí)間序列構(gòu)成已知數(shù)據(jù)集合其中Dknow為已知數(shù)據(jù)集合，pknow,i為已知類(lèi)型設(shè)備運(yùn)行功率時(shí)間序列，yknow,i為相應(yīng)的已知類(lèi)型設(shè)備標(biāo)簽，Yknow為已知類(lèi)別設(shè)備標(biāo)簽集合，Qknow為已知類(lèi)型設(shè)備的數(shù)量；步驟1.2.將綜合能源系統(tǒng)中待識(shí)別的NX個(gè)未知類(lèi)型設(shè)備運(yùn)行功率時(shí)間序列構(gòu)成未知數(shù)據(jù)集合其中DX為未知數(shù)據(jù)集合，pX,i為未知類(lèi)型設(shè)備運(yùn)行功率時(shí)間序列，yknow,i為相應(yīng)的未知類(lèi)型設(shè)備標(biāo)簽，Yknow為未知類(lèi)別設(shè)備標(biāo)簽集合，Qknow為已知類(lèi)型設(shè)備的數(shù)量，yX,i為相應(yīng)的未知類(lèi)型設(shè)備標(biāo)簽；步驟1.3.對(duì)已知類(lèi)型設(shè)備運(yùn)行功率時(shí)間序列進(jìn)行語(yǔ)義字典學(xué)習(xí)：其中，Lknow為已知類(lèi)型設(shè)備語(yǔ)義字典，Hknow為已知類(lèi)型設(shè)備語(yǔ)義表示，||·||F為Frobenius范數(shù)，為已知類(lèi)型設(shè)備語(yǔ)義字典正則項(xiàng)，λ控制正則項(xiàng)的強(qiáng)度，Pknow為已知類(lèi)型設(shè)備運(yùn)行功率時(shí)間序列；步驟1.4.對(duì)未知類(lèi)型設(shè)備運(yùn)行功率時(shí)間序列進(jìn)行語(yǔ)義字典學(xué)習(xí)： 其中，qj為yX,j在語(yǔ)義嵌入空間的表示，ωij為輸入時(shí)間序列pX,i屬于標(biāo)簽yX,j的概率，HX為未知類(lèi)型設(shè)備語(yǔ)義表示，LX為未知類(lèi)型設(shè)備語(yǔ)義字典，si為設(shè)備運(yùn)行狀態(tài)，||LX-Lknow||為用于限制LX與Lknow適應(yīng)度的正則項(xiàng)，||hi-qj||為用于限制未知類(lèi)型設(shè)備功率時(shí)間序列在語(yǔ)義嵌入空間的表示與未知類(lèi)型設(shè)備標(biāo)簽在語(yǔ)義嵌入空間的表示的相似度的正則項(xiàng)；步驟1.5.分別固定對(duì)步驟1.3和步驟1.4中的HX和LX進(jìn)行交替迭代求解，并根據(jù)結(jié)果在嵌入空間中找到對(duì)應(yīng)分類(lèi)： 上式中，為未知類(lèi)型設(shè)備語(yǔ)義表示最優(yōu)解，為未知類(lèi)型設(shè)備語(yǔ)義表示最優(yōu)解，||·||F為Frobenius范數(shù)；步驟2.根據(jù)分類(lèi)結(jié)果對(duì)綜合能源系統(tǒng)中各設(shè)備進(jìn)行運(yùn)行狀態(tài)提取，利用基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)設(shè)備進(jìn)行運(yùn)行狀態(tài)提取，所用Bi-LSTM網(wǎng)絡(luò)共包含六層，其中輸入層的長(zhǎng)度為時(shí)間窗t長(zhǎng)度，第二層為卷積層，用來(lái)從信號(hào)中提取特征，第三、四層是Bi-LSTM，第五層為卷積層、第六層是全連接層，整個(gè)網(wǎng)絡(luò)通過(guò)時(shí)間正反雙向傳播方法進(jìn)行訓(xùn)練；步驟3.根據(jù)提取的運(yùn)行狀態(tài)進(jìn)行劃分；步驟4.根據(jù)劃分結(jié)果建立一種多模因子隱馬爾可夫模型，如下式： 上式中，為初始時(shí)刻第Q+1個(gè)設(shè)備的運(yùn)行狀態(tài)，pt為t時(shí)刻設(shè)備的運(yùn)行功率，為t時(shí)刻第Q+1個(gè)設(shè)備的運(yùn)行狀態(tài)，為t-1時(shí)刻第Q+1個(gè)設(shè)備的運(yùn)行狀態(tài)，Nμi,εi為期望值為μi、標(biāo)準(zhǔn)差為εi的正態(tài)分布，為t時(shí)刻第1個(gè)設(shè)備的運(yùn)行狀態(tài)，為t時(shí)刻第2個(gè)設(shè)備的運(yùn)行狀態(tài)，π為初始狀態(tài)概率分布，A為狀態(tài)轉(zhuǎn)移矩陣，B為觀(guān)測(cè)矩陣；步驟5.對(duì)所建立的多模因子隱馬爾可夫模型進(jìn)行參數(shù)估計(jì)；步驟6.對(duì)參數(shù)估計(jì)結(jié)果進(jìn)行解碼多模因子隱馬爾可夫模型隱藏狀態(tài)，最終建立綜合能源系統(tǒng)分解模型。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人國(guó)網(wǎng)遼寧省電力有限公司經(jīng)濟(jì)技術(shù)研究院;國(guó)家電網(wǎng)有限公司，其通訊地址為：110016 遼寧省沈陽(yáng)市沈河區(qū)文萃路183-1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。