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！

龙图腾网获悉国网吉林省电力有限公司营销服务中心申请的专利基于机器学习方法综合分析的线损智能诊断方法及装置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：CN119226962B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202411759352.5，技术领域涉及：G06F18/2431；该发明授权基于机器学习方法综合分析的线损智能诊断方法及装置是由鞠默欣;刘俐君;张悦;孔凡强;刘洋;刘钊瑞;刘宝铭;王瀛莹;李源;胡森;杨丹;高山;曲丽;崔晗;王贺;周雨馨;战春雨;于塑北设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本基于机器学习方法综合分析的线损智能诊断方法及装置在说明书摘要公布了：本发明涉及电网监测技术领域，特别涉及一种基于机器学习方法综合分析的线损智能诊断方法及装置，通过构建台区不合格特性分类、线损不合格主因分析、异常关联主因分析、异常量化影响分析等模型，运用SHAP算法分析模型及贝叶斯网络模型等机器学习模型，结合业务专家经验，形成一套台区线损异常量化评估与最优治理方案，能够实现在资源有限的前提下，高效聚焦并解决关键异常问题，以达到线损降低和效率提升的目标。

本发明授权基于机器学习方法综合分析的线损智能诊断方法及装置在权利要求书中公布了：1.一种基于机器学习方法综合分析的线损智能诊断方法，其特征在于，包括如下步骤：S1、基于线损波动性和日线损率构建台区不合格特性分类模型，包括根据台区日线损率结果及一台区一指标理论值划分日线损率类型、根据台区日线损结果计算台区波动性，用于对异常台区进行分类；S2、构建线损不合格主因分析模型，包括模型训练、异常排序、排序结果汇总，用于获取台区线损不合格的异常原因；所述模型训练基于台区不合格特性分类模型和异常因子库，针对每类台区，采用皮尔森相关性系数和决策树回归相结合的方法进行异常因子的筛选，提高模型训练的效率和稳定性，采用集成学习XGBoost算法训练模型实现异常台区线损预测；所述异常排序基于SHAP算法构建量化异常排序模型，计算各特征因子对台区线损率的边际贡献，量化各特征因子对线损率大小的影响权重；所述排序结果汇总根据计算的所有台区异常原因，按照台区分类获取每个异常原因在每个台区类的重要性程度，对台区下所有重要异常进行标准化获得异常权重；S3、构建异常关联主因分析模型，通过构建贝叶斯网络模型分析异常原因之间关系，用于定位主要异常原因；S4、构建异常量化影响分析模型，包括异常用户影响量化模型和异常台区影响量化模型，用于定位治理的主要异常用户和主要异常台区；所述异常用户影响量化模型分析用户的历史数据异常值，把超出正常范围1.5倍的数据替换成正常范围的上下界；利用用户历史数据，使用指数平滑算法估计异常发生时用户的用电量作为用户可降损空间；对于无法收敛的用户，使用同期用电量的均值作为用户可降损空间；所述异常台区影响量化模型根据异常用户影响量化输出结果，获取线损不合格台区所有异常用户影响电量数据；参考异常用户影响量化规则计算终端及台区的影响量化，获取线损不合格台区所有异常终端影响电量数据及台区影响电量数据；获取线损不合格台区所有异常影响电量；获取一台区一指标线损不合格台区的可降损空间。

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吉林省电力有限公司营销服务中心，其通讯地址为：130000 吉林省长春市绿园区和平大街1667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”。