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！

龙图腾网获悉国网江苏省电力有限公司;中国电力科学研究院有限公司南京分院申请的专利一种碳排放异常数据检测方法、终端及存储介质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：CN116484289B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310371066.0，技术领域涉及：G06F18/2411；该发明授权一种碳排放异常数据检测方法、终端及存储介质是由程锦闽;汪惟源;胡伟;刘柏良;俞天;刘海璇;刘瑜俊;孙檬檬设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种碳排放异常数据检测方法、终端及存储介质在说明书摘要公布了：一种碳排放异常数据检测方法、终端及存储介质，对碳排系统的数据处理后训练一个基于场景的支持向量机，用于对碳排系统监测的实时数据进行分析，检测是否存在异常数据。本发明构造了用于碳排放异常数据检测的SVM分类器模型，采集碳排放历史数据，通过步骤S2对数据标注正常或异常的标签，训练构建的SVM模型，最后用训练好的SVM对实时产生的碳排数据进行异常分类检测，有利于对海量碳排放数据进行有效控制，检测出异常数据。

本发明授权一种碳排放异常数据检测方法、终端及存储介质在权利要求书中公布了：1.一种碳排放异常数据检测方法，其特征是采用基于场景的支持向量机，对碳排系统监测的数据进行分析，检测是否存在异常数据，包括以下步骤： 步骤S1：数据预处理，对碳排系统监测得到的数据进行归一化处理； 步骤S2：根据三个存在递归关系的场景对预处理后的数据进行特征向量提取，三个场景依次为数据取值特性、变量间相关性、以及数据变化特性，递归关系如下： 第一级特征向量判断为：设定数据的取值范围，判断数据是否包含该取值范围或在特定的时间段内有该取值范围，若无，确定为异常数据；若有，则进入第二级特征向量判断，利用距离度量学习来进一步筛选异常数据，求解出正常数据集的度量矩阵，经过第一级判断，具有特定取值范围的数据集合，利用度量矩阵计算测试样本的距离，取正常数据的最远距离为阈值，若样本距离超过阈值，则确定为异常数据；若小于阈值，则进入第三级特征向量判断，此时，监测数据为时间间隔相等的时间序列，若前后时刻数据存在突变，则确定为异常数据；若前后数据变化相同，则确定为正常数据； 步骤S3：选取训练样本和预测样本：根据步骤S2对选取的检测样本标注标签，将其划分为训练样本集和测试样本集； 步骤S4：模型选择：选择RBF作为核函数，利用网格搜索和交叉验证方法来选取核参数c和惩罚因子g； 步骤S5：构造SVM分类器模型；利用步骤S4选取的核函数和最佳参数对选取的训练样本集进行训练，构造碳排放异常数据检测的SVM分类器模型； 步骤S6：用训练后的SVM分类器模型对预测样本数据进行识别分类，即将数据分类两类：异常数据或正常数据，从而实现异常数据检测； 其中，步骤S2中，对于正常数据集的度量矩阵的求解基于最大化分类边际的非成对约束距离度量学习算法，在正常数据样本中使用非成对约束信息作为先验知识，利用最大化不同类别边际距离的思想，来学习度量矩阵，具体如下： 表示个样本组成的训练集，其中输入对应的类别标签为，使用标量表示类别标签和是否匹配，且需要学习一个线性转换进行如下距离度量: 3-1 其中，； 对任一输入样本，其目标邻居定义为符合下列条件的输入样本：1与存在着相同类别标签；2通过式3-1计算与有最小距离的输入样本； 对于样本，指定k个目标邻居，采用标量,当=1时，表示是的目标邻居；=1时，表示与属于同一类，二元组和均是固定的； 根据最大化分类边际思想得到目标函数： 3-2 其中，，c是一个正常数； 式3-2中等号右边第1项调整所有输入样本与目标邻居间距离，通过最小化该项使得输入样本与目标邻居间距离尽可能小；第2项用于调整不同类别间的边际距离，通过最小化该项使得边际距离最大化； 引入松弛变量,式3-2转化为求解下列半正定规划问题： 3-3 通过标准求解半正定规划算法求解上式得到度量矩阵M，利用得到的度量矩阵计算样本间的距离，取正常数据集的最远距离为阈值。

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江苏省电力有限公司;中国电力科学研究院有限公司南京分院，其通讯地址为：210014 江苏省南京市鼓楼区上海路215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。