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！

龙图腾网获悉深圳供电局有限公司;南方电网科学研究院有限责任公司申请的专利基于数据-物理特征联合驱动的海量电力用户聚类算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：CN114357261B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202111281280.4，技术领域涉及：G06F16/906；该发明授权基于数据-物理特征联合驱动的海量电力用户聚类算法是由钱斌;程韧俐;周密;祝宇翔;李富盛;史军;肖勇;刘傲设计研发完成，并于2021-11-01向国家知识产权局提交的专利申请。

本基于数据-物理特征联合驱动的海量电力用户聚类算法在说明书摘要公布了：本发明公开了一种基于数据‑物理特征联合驱动的海量电力用户聚类算法，包括以下步骤：S1、单用户日典型负荷曲线聚类；S2、标幺化用户日典型负荷数据，计算用户日典型负荷的标幺值；S3、多用户日典型负荷曲线聚类；S4、自动迭代，寻找满足轮廓系数与行业集中度标准的聚类数目；S5、输出最佳聚类数目对应的用户聚类结果。本发明基于用电信息采集系统中积累的海量用户历史用电数据，挖掘并掌握各行业和用户的生产特点和用电需求，不仅能够提高电网公司负荷预测精度和调度管理水平，而且也能够为电价制定、经济调度、需求响应等提供精准的数据支撑和决策依据。

本发明授权基于数据-物理特征联合驱动的海量电力用户聚类算法在权利要求书中公布了：1.一种基于数据-物理特征联合驱动的海量电力用户聚类算法，其特征在于，包括以下步骤： S1、单用户日典型负荷曲线聚类； 所述单用户日典型负荷曲线聚类，即采用层次聚类法对用户日典型负荷曲线进行聚类，通过包含最多日负荷曲线的类别计算出用户典型日负荷曲线； 所述层次聚类方法具体为：采用自上而下的方式，先将所有样本的每个点都看成一个簇，然后找出距离最小的两个簇进行合并，不断重复到预期簇，所述层次聚类方法的代表算法有：AGNES，AgglomerativeNesting； S2、标幺化用户日典型负荷数据，计算用户日典型负荷的标幺值； S3、多用户日典型负荷曲线聚类； 所述步骤S3中，选定聚类类别数目的取值范围为N2到2N，利用所述层次聚类法进行多用户日典型负荷曲线聚类，同时计算不同聚类数目下的每个类别的轮廓系数以及行业集中度； 所述轮廓系数的具体计算方法如下： S101、计算样本i到同簇其他样本的平均距离ai，ai越小，说明样本i越应该被聚类到该簇，将ai称为样本i的簇内不相似度，簇C中所有样本的ai均值称为簇C的簇不相似度； S102、计算样本i到其他某簇Cj的所有样本的平均距离bij，称为样本i与簇Cj的不相似度，定义为样本i的簇间不相似度： bi=min{bi1,bi2,...,bik} bi越大，说明样本i越不属于其他簇； S103、根据样本i的簇内不相似度ai和簇间不相似度bi，定义样本i的轮廓系数： S104、判断： 若si接近1，则说明样本i聚类合理； 若si接近-1，则说明样本i更应该分类到另外的簇； 若si近似为0，则说明样本i在两个簇的边界上； S105、所有样本的si的均值称为聚类结果的轮廓系数，是该聚类是否合理、有效的度量； S4、自动迭代，寻找满足轮廓系数与行业集中度标准的聚类数目； 所述步骤S4中，利用自动迭代收敛算法，判断每次聚类的轮廓系数与行业集中度是否达到指标标准并且收敛，若否则增加聚类数目，继续迭代计算； S5、输出最佳聚类数目对应的用户聚类结果。

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深圳供电局有限公司;南方电网科学研究院有限责任公司，其通讯地址为：518010 广东省深圳市罗湖区深南东路4020号电力调度通信大楼；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。