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！

龙图腾网获悉四川大学申请的专利基于卷积变分自编码器的日负荷曲线聚类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：CN115526277B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211401329.X，技术领域涉及：G06F18/23213；该发明授权基于卷积变分自编码器的日负荷曲线聚类方法是由曾琦;李晨鑫;史云翔;朱玲俐设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本基于卷积变分自编码器的日负荷曲线聚类方法在说明书摘要公布了：本发明涉及基于卷积变分自编码器的日负荷曲线聚类方法，属于电力系统数据处理技术领域，提出采用卷积变分自编码器，利用其优秀的重构能力和神经网络的非线性学习能力提取用户日负荷曲线的时序特征，并实现数据降维，再将提取到的潜在表征通过K‑means算法进行聚类，同时利用高斯距离加权优化典型的日负荷曲线。通过和其他聚类方式的DBI聚类指标相对比，证明本论文提出的卷积变分自编码器用于聚类的有效性。

本发明授权基于卷积变分自编码器的日负荷曲线聚类方法在权利要求书中公布了：1.基于卷积变分自编码器的日负荷曲线聚类方法，其特征在于，包括以下步骤： S1、采用数据删除、异常数据检测并替换、数据归一化对原始日负荷数据实现预处理； S2、利用卷积变分自编码器对负荷数据进行降维和重构，将重构误差和分布误差一起作为损失函数，得到日负荷曲线的潜在表征；卷积变分自编码器中，编码器由两个卷积层和两个最大池化层构成，最后通过一个全连接层得到降维后负荷序列的时序特征，将提取的时序特征送入解码器，解码器由重塑层、两个反卷积层及两个上采样层构成，最终得到与原始样本相近的数据；将KL散度和重构误差一起作为网络的损失函数，通过梯度下降算法以最小化损失函数训练编码器和解码器； S3、将降维后的数据用K-means算法得到聚类标签和聚类中心，将聚类标签分配给原始负荷数据，聚类中心再通过解码器还原，得到原始数据的聚类中心； S4、将每一类的某一个时刻的负荷功率根据与聚类中心的距离设置不同的高斯权值，从而优化典型的日负荷曲线； 采用高斯函数对距离进行加权，即根据每个时间点的用户用电数据与聚类中心的远近，给予其配以不同的权重，权重表达式如下： 式13中，p′x,t为t时刻归一化功率，bt表示t时刻的聚类中心，c为常数。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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。