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！

龙图腾网获悉浙江大学申请的专利一种基于稀疏字典学习的电力系统负荷成分辨识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：CN120067910B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202510109383.4，技术领域涉及：G06F18/2431；该发明授权一种基于稀疏字典学习的电力系统负荷成分辨识方法是由吴浩;季尚进;郭俊阳;李知艺;鞠平设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于稀疏字典学习的电力系统负荷成分辨识方法在说明书摘要公布了：本发明公开了一种基于稀疏字典学习的电力系统负荷成分辨识方法。包括：获取各类负荷的标准化历史负荷数据和标准化历史气象数据，建立综合历史负荷数据字典和综合历史气象数据字典；获取待辨识日负荷数据以及各类负荷的待辨识日气象数据，根据综合历史负荷数据字典和综合历史气象数据字典，利用结合气象因素的正交匹配追踪算法对待辨识日负荷数据进行负荷成分辨识，得到负荷成分辨识结果，所述负荷成分辨识结果用于电力系统的负荷预测或者调度。本方法能够将待辨识日的负荷曲线分解为各成分负荷曲线，并计算其各成分占比，对广义负荷成分占比的辨识有重要的价值和意义。

本发明授权一种基于稀疏字典学习的电力系统负荷成分辨识方法在权利要求书中公布了：1.一种基于稀疏字典学习的电力系统负荷成分辨识方法，其特征在于，包括以下步骤： S1采集多类负荷的历史负荷数据和历史气象数据，通过预处理得到各类负荷的标准化历史负荷数据和标准化历史气象数据； S2根据各类负荷的标准化历史负荷数据和标准化历史气象数据建立综合历史负荷数据字典和综合历史气象数据字典； 所述步骤S2包括以下步骤： S2.1根据各类负荷的标准化历史负荷数据分别建立历史负荷矩阵，组合得到综合历史负荷数据字典；在每类负荷的历史负荷矩阵中，列向量为同一采样日所有采样点采集的负荷数据，所述采样点为采样时间点； S2.2对于每类负荷，通过对标准化历史负荷数据和标准化历史气象数据进行相关性分析得到历史气象矩阵；组合所有负荷的历史气象矩阵，得到综合历史气象数据字典； 所述步骤S2.2具体为： S2.2.1对于每类负荷，将标准化历史负荷数据和标准化历史气象数据统一分辨率； S2.2.2对于每类负荷，通过对每个采样日的负荷数据和多种气象数据分别进行相关性分析，得到负荷数据同每种气象数据的斯皮尔曼相关系数； S2.2.3对于每类负荷，按照以下公式，根据每个采样日的多种气象数据，以及负荷数据同每种气象数据的斯皮尔曼相关系数，得到在采样日每个采样点的加权后历史气象数据： ； ； 式中，为第n类负荷在第d日、第i个采样点的加权后历史气象数据；为第n类负荷在第d日、第i个采样点的第k类气象数据，k=1~，为第n类负荷的气象类型总数，为第n类负荷的加权计算函数，为第n类负荷的负荷数据与第k类气象数据的平均相关系数，为第n类负荷在第d日的负荷数据与第k类气象数据的相关系数；为第n类负荷的采样总天数； S2.2.4对于每类负荷，组合每个采样日所有采样点的加权后历史气象数据，得到每日统一历史气象向量，以每日统一历史气象向量作为列向量，构建得到负荷的历史气象矩阵； S3获取待辨识日负荷数据以及待辨识日气象数据，根据步骤S2得到的综合历史负荷数据字典和综合历史气象数据字典，利用结合气象因素的正交匹配追踪算法对待辨识日负荷数据进行负荷成分辨识，得到负荷成分辨识结果，所述负荷成分辨识结果用于电力系统的负荷预测或者调度。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。