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！

龙图腾网获悉华北电力大学;北京电力交易中心有限公司;国网数字科技控股有限公司;国网江苏省电力有限公司申请的专利一种基于用户画像的电碳协同智能推送方法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：CN119204437B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411324928.5，技术领域涉及：G06Q10/063；该发明授权一种基于用户画像的电碳协同智能推送方法是由刘敦楠;许传博;许婧;张显;张楠;常新;冯恒;王栋;高博;李达;郑颖春;刘晓康;郭庆雷设计研发完成，并于2024-09-23向国家知识产权局提交的专利申请。

本一种基于用户画像的电碳协同智能推送方法在说明书摘要公布了：本发明公开了一种基于用户画像的电碳协同智能推送方法，属于电碳协同智能推送领域，包括以下步骤：S1、收集归类用户全年历史负荷数据和分时电价数据集；S2、提取季节典型日负荷曲线和典型分时电价曲线；S3、计算工作日和周末的日用电价格需求弹性；S4、构建用户画像；S5、对用户用电价格需求弹性分级；S6、分别向价格敏感用户和不敏感用户推送差异化购电策略及碳减排监管策略。本发明采用上述基于用户画像的电碳协同智能推送方法，基于用户电价需求弹性系数精准刻画用户画像，以便平台针对不同类型用户，定制差异化的策略，提升监管平台的运营能力，具有良好的应用价值。

本发明授权一种基于用户画像的电碳协同智能推送方法在权利要求书中公布了：1.一种基于用户画像的电碳协同智能推送方法，其特征在于：包括以下步骤： S1、根据季节收集归类用户全年历史负荷数据和分时电价数据集，并进行数据预处理； S2、归类相同季节的日负荷曲线和分时电价曲线，同时归类工作日和周末的典型负荷曲线和分时电价曲线，并采用粒子群优化算法提取季节典型日负荷曲线和典型分时电价曲线； 步骤S2所述季节典型工作日负荷曲线和季节典型周末负荷曲线的提取步骤如下： 第一步、假设已知用户在第个季节中共有个工作日或者周末，则该用户在此季节中的工作日或者周末负荷集合∈: = 2 式中，为第个季节工作日或者周末用户在第天第小时的负荷值，； 第二步、设用户第个季节性工作日或者周末典型负荷为： 3 式中，为第个季节工作日或者周末用户在第小时的典型负荷值； 第三步、以曲线间所有坐标距离最短为目标函数： 4 式中，为目标函数值； 其中，注意满足负荷的约束值，保证在负荷区间内，即： 5 式中，为负荷区间的最小值；为负荷区间的最大值；且； 第四步、通过粒子群优化算法对公式4所述目标函数进行求解，经迭代求解得到最优的作为对应季节下的典型负荷曲线； 季节典型工作日分时电价曲线和季节典型周末分时电价曲线的提取步骤如下： 第一步、假设已知用户在第个季节中，该季节共有工作日或者周末，则该用户在此季节中的工作日或者周末分时电价集合∈×24： = 6 式中，为第个季节工作日或者周末中用户在第天第小时的电价； 第二步、设用户第个季节性工作日或者周末典型分时电价曲线为 7 式中：为第个季节工作日或者周末中用户在第小时的电价； 第三步、以曲线间所有坐标距离最短为目标函数： 8 式中：为目标函数值；为第个季节中的工作日或者周末天数； 其中，各时刻的值不能超过对应时刻的上下限： 9 式中，为时刻的下限值；为时刻的上限值； 第四步、通过粒子群优化算法对公式8所述目标函数进行求解，经迭代求解得到最优的作为对应季节下的典型分时电价曲线； S3、在相同季节下，以典型日负荷曲线和分时电价曲线为基础，计算工作日和周末的日用电价格需求弹性； S4、采用GMM算法对电价格需求弹性进行聚类分析，构建用户画像，形成用户标签库； 步骤S4具体包括以下步骤： S41、确定相同季节下工作日和周末用电价格弹性的聚类数，并以误差平方和作为确定聚类数的评价指标： 11 式中，为聚类中的某一簇；为中各数据点的均值；为簇中的某一个点； S42、假设真实聚类数为，对比真实聚类数为和，基于对比结果根据的变化情况确定最佳聚类数； S43、利用GMM将数据集拟合到多个高斯分布的混合中，以发现数据的潜在结构： S431、假设每类数据都服从正态分布，且正态分布的概率模型为： 12 式中，为聚类数；为权重；为正态分布的概率密度；为概率密度的参数；为样本； 其中概率密度表达式为： 13 式中：为样本的标准差；为样本的均值； 通过正态分布的概率模型训练数据分别估计出类正态分布的概率密度函数和每一类的权重； S432、计算出每个数据分别在类正态分布中出现的概率，即将该数据分别代入个正态分布中求出属于每个类的概率： 14 式中：为数据集中的某个数据；为第个正态分布； S433、通过比较概率的值，将该样本归至概率值最高的一类聚类簇中； S5、对用户用电价格需求弹性分级：根据构建的用户画像将用户分为价格敏感用户和不敏感用户； S6、分别向价格敏感用户和不敏感用户推送差异化购电策略及碳减排监管策略。

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华北电力大学;北京电力交易中心有限公司;国网数字科技控股有限公司;国网江苏省电力有限公司，其通讯地址为：100096 北京市昌平区北农路2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。