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！

龙图腾网获悉国网湖北省电力有限公司营销服务中心(计量中心)申请的专利考虑隐私保护和需求响应的电力用户画像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：CN116028828B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310038390.0，技术领域涉及：G06F18/23；该发明授权考虑隐私保护和需求响应的电力用户画像方法是由谢东日;禹文静;明东岳;刘鸣;周世祺;余鹤;魏伟;刘俊;聂永欣设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本考虑隐私保护和需求响应的电力用户画像方法在说明书摘要公布了：本发明公开了一种考虑隐私保护和需求响应的电力用户画像方法，该方法主要包括以下步骤：首先，收集建筑物的历史负荷数据和历史温湿度数据，提取建筑物的负荷特征；其次，通过最小化重叠度确定最优的用户画像数量；第三，建筑物中的智能调度终端执行本地计算并引入零和误差，将计算结果作为分布式隐私保护AAC算法的初值；最后，根据分布式隐私保护的AAC算法的初值，更新用户参数值，收敛得到典型用户画像和建筑物所属的典型用户画像类型。本发明可以在不收集用户具体负荷数据的前提下针对用户用电习惯分析用户画像，并将其用于需求响应系统中，帮助不同用电习惯的用户制定针对性的用电策略，以更好地发掘建筑物负荷的响应能力，保护了用户隐私。

本发明授权考虑隐私保护和需求响应的电力用户画像方法在权利要求书中公布了：1.考虑隐私保护和需求响应的电力用户画像方法，其特征在于，用户画像方法基于高斯混合模型，使用分布式隐私保护的AAC算法估计高斯混合模型的参数，在不收集用户隐私的前提下获得典型建筑物的用户画像和建筑物所属的典型用户画像种类，包括： S1收集建筑物的历史负荷数据和历史温湿度数据，根据历史负荷数据提取建筑物的负荷特征数据，根据建筑物的历史温湿度数据提取建筑物的舒适度特征数据，使用高斯混合模型对建筑物的负荷特征数据和建筑物的舒适度特征数据进行聚类； S2通过最小化高斯混合模型的平均重叠度指标确定最优的用户画像数量； S3建筑物执行本地计算，同时，为保护用户隐私，在本地计算结果中引入零和误差； S4使用AAC算法对高斯混合模型的参数进行估计，为保护用户隐私，将引入零和误差的本地计算结果作为分布式隐私保护的AAC算法中用户参数的初值，基于分布式隐私保护的AAC算法更新用户参数值，直到用户参数值收敛，使用收敛的用户参数值计算得到典型用户画像和建筑物所属的典型用户画像种类； 所述S4中基于分布式隐私保护的AAC算法更新用户参数值，用户参数值的更新方式如下： 其中，yit+1表示用户参数值t+1次更新的更新结果，表示加速大都会Metropolis权重矩阵的第i行第i列的权重值，表示加速大都会Metropolis权重矩阵的第i行第j列的权重值，表示引入零和误差后第t次更新本地计算结果，根据上述更新方式更新参数值直到用户参数值收敛； 加速大都会Metropolis权重矩阵的更新方式如下： W*＝1+αW-αI 其中，W*表示加速大都会权重矩阵，W表示大都会Metropolis权重矩阵，I表示单位矩阵，α表示更新参数； 大都会Metropolis权重矩阵W的权重值计算方式如下： 其中，γi和γj表示第i栋和第j栋建筑的后验概率，Wi，j表示Metropolis权重矩阵的第i行第j列的权重值； 使用收敛的用户参数值计算高斯混合模型参数如下： 其中，∑j指高斯混合模型的协方差矩阵，μj指高斯混合模型中的第j个分量的所有均值参数，πj指高斯混合模型中第j个混合系数。

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国网湖北省电力有限公司营销服务中心(计量中心)，其通讯地址为：430075 湖北省武汉市东湖生态旅游风景区青王路488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。