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！

龙图腾网获悉国网上海市电力公司申请的专利一种基于特征负荷预测的配变重过载快速预警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：CN113361202B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202110651745.4，技术领域涉及：G06F30/27；该发明授权一种基于特征负荷预测的配变重过载快速预警方法是由秦虹;代杰杰;赵熠旖;朱洪成;宗明;张凡;朱钦;谢婧设计研发完成，并于2021-06-11向国家知识产权局提交的专利申请。

本一种基于特征负荷预测的配变重过载快速预警方法在说明书摘要公布了：本发明公开了一种基于特征负荷预测的配变重过载快速预警方法，包括步骤1历史数据收集步骤，步骤2数据预处理步骤，步骤3计算典型日负荷序列并进行k‑means聚类步骤，步骤4训练LSTM模型步骤，步骤5依照输出预测值中最大负载率来评定配变的重过载风险等级。本发明依据负荷日特征序列进行聚类,对每一种负荷类分析影响因素以选取相应的输入变量,在此基础上构建离线训练‑在线预测相结合的重过载预警系统。

本发明授权一种基于特征负荷预测的配变重过载快速预警方法在权利要求书中公布了：1.一种基于特征负荷预测的配变重过载快速预警方法，其特征在于，包括如下步骤： 步骤1，收集历史负荷数据集，负荷数据集格式为每15min一个数据点，一天96个数据点， 设历史负荷数据集为m*n的矩阵X， 其中:m为总训练样本数；n为输入特征个数；xij代表第i个样本输入数据的第j个特征； 对原始数据集矩阵每一列的数据进行归一化处理: 其中：minxij为每一列数据的最小值，max1≤i≤ mxij-min1≤i≤mxij为每一列数据的级差； 步骤2，对历史符合数据集进行预处理，剔除缺失值及异常值，用前后数据点的均值进行替换， 数据预处理是为缺失值填充和异常值清洗： 缺失值填充包括均值、众数或中位数；临近负荷加权处理或插值法，若数据缺失时间较长，采取历史值同期数据填充的处理；若缺失时间较短，采用插值法进行数据补充，对缺失数据临近日期的数据进行拟合，假定拟合曲线为： xd＝an*dn+an-1*dn-1+...+a1*d+a03 其中n为拟合的回归方程的最高次数，xd为缺失数据临近日期的数据中第d个点的负荷值； 异常值的判别与剔除，采用偏度与拉依达准则结合的统计判别法对异常值进行判定处理，设En＝e1,e2,e3,…,en为负荷数据集，偏度和拉依达准则定义为: |vi|＝|ei-μ|＞3σ5 其中，SKEWEn为负荷偏度值；n为负荷值个数；ei,μ,σ,vi分别为被测负荷值i＝1,2...n、总负荷平均值、标准偏差和剩余误差， 在平均值和中位数相差不大时为近似正态分布skewed-0，这时将两个极端u+3σ，u-3σ之外即左右各0.15％的数据作为异常值切除；负偏态skewed0情况下切除左侧0.3％数据；正偏态skewed0情况下切除右侧0.3％的数据， 若数据存在异常，可使用相邻两日负荷的平均数来代替当日负荷值，即 如果有： max[|xd-xd-1|,|xd-xd+1|]＞ε6 其中，ε为偏差阈值,其取值与特定日期相关，是根据当日以前的历史负荷变化趋势及相邻日之间相关影响因素差异而确定的， 则将异常日负荷数据替换为： 步骤3，对预处理过后的配变每日负荷数据平均得到配变的典型日负荷序列，对所有配变的典型日负荷序列进行k-means聚类，选取最小聚类数kmin以及最大聚类数kmax，每种中心数进行n次k-means聚类，选取其中DBI指标最小的聚类结果作为该中心数的聚类结果，然后再选取不同聚类中心数中DBI指标最小的聚类结果作为配变最终聚类结果, 式中分别表示第K类以及第h类中负荷曲线到类中心的平均距离,dk,h表示第k类和第h类的类中心的距离, 通过格兰杰因果检验方法获取负荷和不同因素的影响关系； 步骤4，在负荷的影响因素中选取相关系数最高的3个和历史负荷作为模型的输入因素，构建相应的LSTM模型； 步骤5，依照输出预测值中最大负载率来评定配变的重过载风险等级，评价表如下表所示， 预警等级 负载率 显示颜色 配变状态 安全 [0,0.6 蓝色 轻载 橙色预警 [0.6,0.7 橙色 临重载 黄色预警 [0.7,1 黄色 重载 红色预警 [1,∞ 红色 过载 最终输出配变的预警等级。

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上海市电力公司，其通讯地址为：200122 上海市浦东新区源深路1122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”。