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！

龙图腾网获悉广东电网有限责任公司申请的专利一种基于变分自编码器的场景生成方法和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：CN114925767B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202210579747.1，技术领域涉及：G06F18/241；该发明授权一种基于变分自编码器的场景生成方法和装置是由陈鸿琳;余浩;左郑敏;邓卓明;高志华;刘新苗;郭知非;卢洵;周保荣;罗澍忻;田宝烨;黄东启设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本一种基于变分自编码器的场景生成方法和装置在说明书摘要公布了：本发明提供了一种基于变分自编码器的场景生成方法和装置，所述方法包括：获取高维历史时序数据；通过变分自编码器降维到二维隐变量空间，获得若干组场景样本点集合；对每个场景样本点进行概率分布建模并分类，获得子分布分类结果；通过DBSCAN密度聚类，典型场景样本点和极端场景样本点；通过变分自解码器进行解码，获得典型场景时序数据和极端场景时序数据。相比于现有技术，充分利用历史时序数据并保留历史数据特性，生成符合历史数据分布特性和时序特性的新能源负荷场景；通过聚类思想识别出典型场景样本点和极端场景样本点，有效反映系统可能出现的运行状况，提高了拟合精度。

本发明授权一种基于变分自编码器的场景生成方法和装置在权利要求书中公布了：1.一种基于变分自编码器的场景生成方法，其特征在于，包括： 获取高维历史时序数据；所述高维历史时序数据包括原始风电数据、原始光伏数据和原始负荷数据； 根据获取的高维历史时序数据，通过变分自编码器进行编码，降维到二维隐变量空间，获得若干组场景样本点的集合； 基于高斯混合模型对每个场景样本点进行概率分布建模并分类，获得各场景样本点对应的子分布分类结果；其中，所述子分布分类结果包括各场景样本点对应的子分布、子分布参数和各场景样本点的概率； 对每个子分布内的所有场景样本点通过DBSCAN密度聚类，确定每个子分布中处于初始聚类中心的场景样本点，作为典型场景样本点，并分别从每个子分布中，选取与初始聚类中心的欧氏距离符合预设条件的场景样本点，作为极端场景样本点；其中，每个子分布包含不少于一个极端场景样本点； 将所有典型场景样本点和所有极端场景样本点通过变分自解码器进行解码，获得与所有典型场景样本点对应的典型场景时序数据和与所有极端场景样本点对应的极端场景时序数据； 所述分别从每个子分布中，选取与初始聚类中心的欧氏距离符合预设条件的场景样本点，作为极端场景样本点，具体为： 从每个子分布中，选取与初始聚类中心的欧氏距离最远的场景样本点，作为极端场景样本点； 或，从每个子分布中，选取符合欧式距离符合以下条件的若干场景样本点，作为极端场景样本点： E＝{ejr|dejr，cj＝maxdpj，cj，ejr∈RN′，j＝1,2,…,k，r＝ 1,2,…,m-1}； 其中，k为子分布数量，j为第j个子分布，E为子分布中第r层极端场景样本点的集合，cj为第j个子分布的场景样本点，ejr为第j个子分布对应的第r层极端场景样本点，pj为第j个初始聚类中心，dpj,cj为第j个子分布的场景样本点和第j个子分布的初始聚类中心的欧氏距离，m为极端场景样本点的层数，RN’为N’维隐变量空间； 所述根据获取的高维历史时序数据，通过变分自编码器进行编码，降维到二维隐变量空间，获得若干组场景样本点的集合，具体为： 基于高维历史时序数据，构建变量样本集合X： X＝{xa|xa∈RN}； 其中，a为样本编号，xa为包含N维特征变量的向量； 通过变分自编码器对每组变量样本集合进行编码，并降维到二维隐变量空间，得到场景样本点的集合 其中，为包含二维特征变量的向量。

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广东电网有限责任公司，其通讯地址为：510000 广东省广州市越秀区东风东路757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。