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！

龙图腾网获悉天津瑞源电气有限公司申请的专利基于无先验权重欧氏距离的自适应DBSCAN异常电池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：CN115952429B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310006231.2，技术领域涉及：G06F18/2321；该发明授权基于无先验权重欧氏距离的自适应DBSCAN异常电池识别方法是由曹永伦;田冯;杨二星设计研发完成，并于2023-01-04向国家知识产权局提交的专利申请。

本基于无先验权重欧氏距离的自适应DBSCAN异常电池识别方法在说明书摘要公布了：本发明提供了基于无先验权重欧氏距离的自适应DBSCAN异常电池识别方法，属于数据驱动下的储能电站电池异常检测技术领域，包括以下步骤：对原始数据进行预处理；将预处理后的数据作为输入，求取储能电站电池原始输入数据各属性的无先验权重w；求取带无先验权重w的多元时间序列欧氏距离矩阵dist；基于dist分别进行MDS低维嵌入以及DBSCAN聚类算法参数的自适应选定；进行DBSCAN聚类异常电池识别；算法最终输出由各个电池聚类标签组成的序列，标签值为‑1则表示对应序号电池为异常电池。本发明可有效挖掘原始电池数据分布的潜在信息，更好衡量多元时间序列输入属性间差异；可解决输入参数差别较小导致的聚类离群点识别不理想问题，提高储能电站异常电池识别的准确性。

本发明授权基于无先验权重欧氏距离的自适应DBSCAN异常电池识别方法在权利要求书中公布了：1.基于无先验权重欧氏距离的自适应DBSCAN异常电池识别方法，其特征在于，包括以下步骤： 步骤一，对原始数据进行预处理； 步骤二，将预处理后的数据作为输入，求取储能电站电池原始输入数据各属性的无先验权重w； 将样本与时间步综合到一起共同作为要评价的对象，即将原始数据大小由s,t,f转变为s*t,f作为此步的输入；其中s为样本数量，此处为电池插箱个数，t为时间步长度，f为电池属性个数； 通过采用区间型指标U对原始数据进行正向化，具体可表示如下： 其中，Pkd为第k个样本的第d个属性对应的一元时间序列，设定第d个属性的最佳区间为[ad,bd]，P'kd为正向化之后的序列； 将正向化矩阵标准化，记为X矩阵；计算第d个属性下第k个样本所占比重，作为概率矩阵Y中的元素ykd，具体表示如下： 其中，K＝s*t为待评价的样本总数，xkd为X矩阵对应位置元素；第d个属性的信息熵ed、信息效用值fd以及熵权wd可依次表示如下： fd＝1‑ed经过上述计算，可得无先验权重向量如下： w＝{w1,w2,...wd,...,wD}； 步骤三，求取带无先验权重w的多元时间序列欧氏距离矩阵dist； 步骤四，基于dist分别进行MDS低维嵌入以及DBSCAN聚类算法参数的自适应选定； 其中，DBSCAN聚类算法参数的自适应选定包括两方面内容，分别为基于核密度估计的Eps与MinPts估值区间确定以及基于离群点数量相符度和稳定度的参数最终选定； 核密度估计根据数据分布特征判断参数范围；选用高斯核作为核函数，并通过网格搜索选定最佳带宽，基于高斯核函数的核密度估计可表示如下： 其中，n为样本容量，h为带宽，exp为自然常数e，x1,x2,...,xn为随机变量对总体计算得到的插箱间距离值，x为当前输入的距离值； 将原始距离矩阵dist以插箱为单位转变为向量作为上式输入，可获得核密度曲线估计；首次出现的峰值peak1为储能电站电池的簇内距离，第二次峰值peak2为簇间距离； 对于DBSCAN聚类算法而言，以peak1为基准设定算法Eps参数的估值范围，即Eps∈peak1‑△1,peak1+△2其中△2和△1为peak1的上下波动量，二者在实际应用中可灵活选用，但应满足如下约束： 基于Eps参数的估值范围以及所求dist，获取所有插箱对象MinPts的估值情况： 其中，numj表示插箱j的Eps邻域内包含的插箱个数； 对上述估值情况去重并排序，可获得mp个MinPts参数组成的可选值集合{MinP1，MinP2,...,MinPmp}； 在确定Eps与MinPts的估值区间后，分别基于离群点数量相符度和稳定度指标自适应选定Eps与MinPts的最终参数值，具体实现如下： 假定当前储能电站电池共J个插箱，设定离群点可能情况s∈0,1,2...,J，共J+1种情况；设定Eps参数的离散等级为L，即将peak1‑△1,peak1+△2区间均匀离散为L个点，设定离散单位则Eps参数离散可选点集合e为{peak1‑△1，peak1‑△1+u,...,peak1+△2}； 遍历s集合内各点视作为每次的实际离群点，期间的每一次对Eps与MinPts的估值区间的所有组合情况进行遍历，即共需进行J+1*mp*L次实验； 实验首先记录存在聚类离群点与实际离群点相符的离群点s的情况，在存在相符的前提下，进一步记录mp个可选MinPts参数的各自L次实验中满足聚类离群点与实际离群点相符条件的实验次数li，其中i＝1,2,...,mp，选定li最大值对应的MinPi作为MinPts的最终参数值； 在选定好MinPi的前提下，遍历输入集合e中各点作为实验参数，对应DBSCAN算法输入参数MinPts,Eps构成的集合可表示为MinPi,peak1‑△1,MinPi,peak1‑△1+u,...MinPi,peak1+△2}； 按序依次统计上述L个参数组合下的DBSCAN聚类离群点个数情况，记为集合s'，s'＝{s'1,s'2,...,s'L}，基于离群点稳定度指标选定Eps最终参数值，即统计集合s'中最大连续重复区间，记为s'seq_d,s'seq_u，同时记录区间上下界在集合s'中所处位置，记为seq_d和seq_u，其中seq_d,seq_u∈1,2...,L，则最终选定的Epsi可表示如下： 步骤五，进行DBSCAN聚类异常电池识别； 步骤六，算法最终输出由各个电池聚类标签组成的序列，标签值为‑1则表示对应序号电池为异常电池。

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天津瑞源电气有限公司，其通讯地址为：300308 天津市滨海新区天津自贸试验区(空港经济区)航天路100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。