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！

龙图腾网获悉兰州理工大学申请的专利一种基于代价敏感支持向量机的发电企业识别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：CN115249114B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202111556421.9，技术领域涉及：G06Q10/0639；该发明授权一种基于代价敏感支持向量机的发电企业识别方法是由王文婷;安爱民;张展鹏;王茜茜;马臣斌;路佳伟;陈铜川;李海峰;俞桃花;李凤霞;关海娇设计研发完成，并于2021-12-17向国家知识产权局提交的专利申请。

本一种基于代价敏感支持向量机的发电企业识别方法在说明书摘要公布了：本发明公开一种基于代价敏感支持向量机的发电企业识别方法。本发明结合发电企业的串谋识别指标体系和半监督学习算法代价敏感直推式支持向量机，将改进的支持向量机与变分不等式求解算法结合，实现了在只有少量发电企业有标签数据情形下仍可以准确实时地识别发电企业滥用市场力行为。本发明提出的基于改进代价敏感直推式支持向量机的发电企业滥用市场力智能识别方法，可以高效实时地识别电力市场交易中的滥用市场力行为，对防范电力市场交易风险、保障市场健康发展具有重要意义。

本发明授权一种基于代价敏感支持向量机的发电企业识别方法在权利要求书中公布了：1.一种基于代价敏感支持向量机的发电企业识别方法，其特征在于，包括如下步骤： S1、获得发电企业的申报电量和申报电价数据； S2、构建发电企业的滥用市场力行为识别指标体系，指标包括：发电企业报价数据、各段申报电量份额、各段成交电量份额、各段申报成功比、是否为本段高价、高报价次数； S3、当报价段数较高时，使用主成分分析法对数据进行降维； S4、采取K-means算法对无标签样本进行初始“伪标签”指派，结合半监督支持向量机，采用成对交换标签的方式交换标记错误的标签，得到预测标签； 所述步骤S4中，构造的样本数据包含上述基于报价数据识别指标体系中的指标：发电企业报价数据、各段申报电量份额、各段成交电量份额、各段申报成功比、是否为本段高价、高报价次数以及发电企业滥用市场力标签； 在所有样本中，设给定有标签样本集和无标签样本集；其中l为有标签样本数量，u为无标签样本数量，为总样本数量；为样本标签，1表示未违规，-1表示违规；设最优分类界面为，CTSVM的目标是为无标签样本集中样本给出预测标签，；其中CTSVM的二次规划模型为： 7 式中：为松弛向量，对应有标签样本的松弛变量，对应无标签样本的松弛变量；,分别对应有标签样本的惩罚系数和无标签样本的惩罚系数，表示两类样本的重要程度；其中惩罚系数和定义如下： ， 且满足，其中num1、num2分别表示有标签样本中正负样本个数； 当样本点线性不可分时，还需要引入核函数，将其转化为线性可分数据进行处理；核函数的定义如下： ，其中表示内积运算； S5、将处理后的滥用市场力数据集代入代价敏感直推式支持向量机，将求解问题转化为变分不等式问题，并使用定制邻近点算法进求解，通过判别函数确定样本标签，得到滥用市场力的发电企业； 所述步骤S5中，由于TSVM本身存在时间复杂度高的问题，在样本数据量较大时，计算缓慢；并且TSVM采取成对交换标签的方式，这种方式虽然准确率高但速度较慢；为加快求解速度，将其求解问题转化为变分不等式问题，并使用定制邻近点算法对变分不等式问题进行求解，具体步骤如下： 步骤1：根据拉格朗日对偶原理将式7转化为： 8 设矩阵，将式8转化为矩阵形式，具体形式如下： 9 式中：的矩阵，，而则表示分量全为1的列向量； 步骤2：设数据标签向量的零空间矩阵为，因为，则原问题中可由矩阵线性表示为；然后原问题就可以转化为线性不等式约束的凸优化问题： 10 步骤3：首先将凸优化问题写成Lagrange函数形式： ，然后求其Lagrange函数鞍点相当于求解以下变分不等式问题： ，式中：； 步骤4：使用定制邻近点算法求解变分不等式问题；对于给定定制邻近点算法具体表示如下： ； 将10式中代入上式得到基于CPPA的K-CTSVM迭代算法： 11 式中：；当时，CPPA算法收敛； 步骤5：使用判别函数确定样本标签，当输出结果为-1时，说明该发电企业滥用市场力。

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兰州理工大学，其通讯地址为：730030 甘肃省兰州市七里河区兰工坪路287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。