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！

龙图腾网获悉东北电力大学申请的专利一种基于DBSCAN和改进ConvLSTM的空间负荷预测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：CN119726661B 。

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：202411765343.7，技术领域涉及：H02J3/00；该发明授权一种基于DBSCAN和改进ConvLSTM的空间负荷预测方法是由肖白;孙旭;姜卓设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于DBSCAN和改进ConvLSTM的空间负荷预测方法在说明书摘要公布了：本发明提出的一种基于DBSCAN和改进ConvLSTM的空间负荷预测方法，涉及电力系统中的配电网技术领域，解决了不同空间分布元胞之间潜在相互作用关系挖掘不充分的问题，采用方案是：根据规划区域内的收集到的信息，建立电力地理信息系统，获得Ⅰ类元胞图层和Ⅱ类元胞图层；获得Ⅰ类元胞负荷数据的异常值，剔除异常值后形成各Ⅰ类元胞负荷在指定时段内的合理最大值；根据Ⅰ类元胞负荷的合理最大值，生成基于Ⅱ类元胞的空间负荷历史数据；强化Ⅱ类元胞的空间负荷数据特征，构建空间负荷预测模型，获得预测数据。本发明能够有效识别并剔除异常值，并构建了面向Ⅱ类元胞的同步考虑元胞时空相关性的SLF模型，有效提升了预测模型的精度和泛化能力。

本发明授权一种基于DBSCAN和改进ConvLSTM的空间负荷预测方法在权利要求书中公布了：1.一种基于DBSCAN和改进ConvLSTM的空间负荷预测方法，其特征在于，包括： 根据规划区域内的收集到的信息，建立电力地理信息系统，获得由馈线供电范围划分的Ⅰ类元胞图层和由经纬度和空间分辨率确定的Ⅱ类元胞图层，其中，所述Ⅰ类元胞是在电力地理信息系统环境中按照供电设备、供电单位的供电范围划分的供电小区，所述Ⅱ类元胞是在电力地理信息系统环境中以等大小网格划分的供电小区； 利用DBSCAN算法构建异常值检测方法，获得所述Ⅰ类元胞的负荷数据的异常值，剔除所述异常值后形成各Ⅰ类元胞负荷在指定时段内的合理最大值； 根据所述Ⅰ类元胞负荷的合理最大值，生成基于所述Ⅱ类元胞的空间负荷历史数据； 利用线性整流函数和双曲正切函数改进ConvLSTM算法，强化所述Ⅱ类元胞的空间负荷数据特征，构建空间负荷预测模型； 根据所述空间负荷预测模型，获得预测数据； 所述利用DBSCAN算法构建异常值检测方法，获得所述Ⅰ类元胞负荷数据的异常值，具体包括： 步骤1：参考KNN算法选择合适的邻域半径，即任意Ⅰ类元胞的任意时点负荷值的邻域范围，记作ε；通过聚类对比实验来确定能够在邻域半径内定义Ⅰ类元胞核心负荷的临界数据个数，记作M； 步骤2：随机选择一个未被标记的所述Ⅰ类元胞负荷数据，记作x，并检查其负荷值的ε邻域内是否包含足够数量的负荷数据，若所述负荷数据个数大于等于M，则判定x为核心负荷数据，记作P1；否则，判定x为非核心负荷数据，记作P2； 步骤3：将P1与P1的负荷值邻域内各负荷数据添加到正常数据簇中； 步骤4：若P2不在P1的负荷值的ε邻域内，则将P2添加到异常数据簇中，否则，添加到正常数据簇中； 步骤5：重复所述步骤2至所述步骤4，直到每个所述Ⅰ类元胞负荷数据都被标记； 步骤6：经过上述步骤得到完整的正常数据簇和异常数据簇，所述异常数据簇中的数据均是异常值； 所述利用线性整流函数和双曲正切函数改进ConvLSTM算法，具体包括： 所述ConvLSTM算法在LSTM的架构上引入卷积操作代替其中的矩阵乘法的步骤为： 输入门采用公式1： 其中：为哈达玛积运算；*为卷积运算；σ为激活函数；it为输入门的状态保留率；Xt为t时刻的输入张量；Ht-1为t-1时刻的隐藏状态张量；Ct-1为t-1时刻存储单元张量；WXi、WHi、Wci为输入门的权重矩阵，bi为偏置； 遗忘门采用公式2： 式中：ft遗忘门的状态保留概率；WCi、WHf、WXf分别为输入门、遗忘门的权重矩阵，bf为偏置； 输出门采用公式3： 式中：ot为t时刻输出门的输出概率；WXo、WHo、Wco为输出门的权重矩阵，bo为偏置； 记忆单元状态更新采用公式4： 式中：Ct为t时刻存储单元张量；tanh为双曲正切函数；WXc、WHc为状态门的权重矩阵，bc为偏置； 在输出隐藏状态之前使用ReLU对原算法的隐藏状态进行改进，隐藏状态更新采用公式5 式中：Ht为t时刻的隐藏状态张量。

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东北电力大学，其通讯地址为：132012 吉林省吉林市船营区长春路169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。