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)恭喜華北電力大學(xué)申請(qǐng)的專(zhuān)利一種非侵入式負(fù)荷集群分類(lèi)方法及系統(tǒng)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：CN114548302B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-30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：202210183179.3，技術(shù)領(lǐng)域涉及：G06F18/2415；該發(fā)明授權(quán)一種非侵入式負(fù)荷集群分類(lèi)方法及系統(tǒng)是由武昕;嚴(yán)萌;余昊楊設(shè)計(jì)研發(fā)完成，并于2022-02-28向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種非侵入式負(fù)荷集群分類(lèi)方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種非侵入式負(fù)荷集群分類(lèi)方法及系統(tǒng)，確定各訓(xùn)練子集對(duì)應(yīng)的雙層高斯過(guò)程混合模型；求解各訓(xùn)練子集對(duì)應(yīng)的雙層高斯過(guò)程混合模型的參數(shù)；根據(jù)M組訓(xùn)練子集對(duì)應(yīng)的雙層高斯過(guò)程混合模型的參數(shù)求取均值，確定雙層高斯過(guò)程混合平均模型的參數(shù)；將各測(cè)試子集中各類(lèi)集群代入所述雙層高斯過(guò)程混合平均模型進(jìn)行計(jì)算，輸出各測(cè)試子集中各類(lèi)集群的概率值；將各測(cè)試子集中各類(lèi)集群輸出概率最大值對(duì)應(yīng)的集群類(lèi)別作為各測(cè)試子集對(duì)應(yīng)的分類(lèi)結(jié)果。本發(fā)明方案將用戶(hù)側(cè)具有相同操作特點(diǎn)、統(tǒng)一用電規(guī)律的負(fù)荷建模成一個(gè)集群，利用隸屬于雙層高斯過(guò)程混合平均模型的概率值來(lái)判定未知集群的所屬類(lèi)別，從而有效實(shí)現(xiàn)集群的分類(lèi)，為用戶(hù)提高用電效率提供指導(dǎo)。

本發(fā)明授權(quán)一種非侵入式負(fù)荷集群分類(lèi)方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種非侵入式負(fù)荷集群分類(lèi)方法，其特征在于，所述方法包括：基于負(fù)荷集群對(duì)應(yīng)的用電數(shù)據(jù)集D構(gòu)建測(cè)試集T和訓(xùn)練集S；訓(xùn)練集S包括M個(gè)訓(xùn)練子集；所述測(cè)試集T中包括M個(gè)測(cè)試子集；其中，M為大于1的正整數(shù)；確定各訓(xùn)練子集對(duì)應(yīng)的雙層高斯過(guò)程混合模型，具體包括：確定各訓(xùn)練子集中包含集群的總類(lèi)數(shù)K；基于各訓(xùn)練子集中各類(lèi)集群的輸入特征集確定各訓(xùn)練子集對(duì)應(yīng)的雙層高斯過(guò)程混合模型；其中，確定各訓(xùn)練子集中包含集群的總類(lèi)數(shù)K，具體包括：步驟S211：基于各類(lèi)集群對(duì)應(yīng)的特征確定負(fù)荷集群特征；步驟S212：判斷訓(xùn)練子集Sl中是否存在滿(mǎn)足負(fù)荷集群特征的集群；如果存在滿(mǎn)足負(fù)荷集群特征的集群，則執(zhí)行“步驟S214”；如果不存在滿(mǎn)足負(fù)荷集群特征的集群，則剔除訓(xùn)練子集Sl，并令l＝l+1，并執(zhí)行“步驟S213”；步驟S213：判斷l(xiāng)是否大于M，如果l大于M，則結(jié)束；如果l小于或等于M，則返回“步驟S212”；步驟S214：根據(jù)負(fù)荷集群特征確定各訓(xùn)練子集中包含集群的總類(lèi)數(shù)K和各類(lèi)集群的輸入特征集；基于各訓(xùn)練子集中各類(lèi)集群的輸入特征集確定各訓(xùn)練子集對(duì)應(yīng)的雙層高斯過(guò)程混合模型，具體包括：步驟S221：基于第i個(gè)輸入特征集中各輸入特征構(gòu)建各輸入特征對(duì)應(yīng)的高斯過(guò)程模型；所述輸入特征集中包括p個(gè)輸入特征；步驟S222：根據(jù)p個(gè)輸入特征對(duì)應(yīng)的高斯過(guò)程模型構(gòu)建第i類(lèi)集群對(duì)應(yīng)的高斯過(guò)程混合模型；所述高斯過(guò)程混合模型為下層模型；步驟S223：判斷i是否小于K，如果i小于K，則令i＝i+1，并執(zhí)行“步驟S221”；如果i大于或等于K，則根據(jù)K類(lèi)集群對(duì)應(yīng)的高斯過(guò)程混合模型構(gòu)建上層模型；步驟S224：基于所述上層模型和各類(lèi)集群對(duì)應(yīng)的所述下層模型確定雙層高斯過(guò)程混合模型；所述雙層高斯過(guò)程混合模型的參數(shù)待求解；求解各訓(xùn)練子集對(duì)應(yīng)的雙層高斯過(guò)程混合模型的參數(shù)；將求解得到的M組參數(shù)求取均值，將均值代入雙層高斯過(guò)程混合模型后得到雙層高斯過(guò)程混合平均模型；將各測(cè)試子集中各類(lèi)集群代入所述雙層高斯過(guò)程混合平均模型進(jìn)行計(jì)算，輸出各測(cè)試子集中各類(lèi)集群的概率值；將各測(cè)試子集中各類(lèi)集群輸出概率最大值對(duì)應(yīng)的集群類(lèi)別作為各測(cè)試子集對(duì)應(yīng)的分類(lèi)結(jié)果。

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)人華北電力大學(xué)，其通訊地址為：102206 北京市昌平區(qū)回龍觀鎮(zhèn)北農(nóng)路2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)”。