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！

龙图腾网获悉国网浙江省电力有限公司金华供电公司;国网浙江省电力有限公司申请的专利基于隐马尔可夫模型的时序负荷数据增强生成方法及装置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：CN121598090B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610123010.7，技术领域涉及：G06Q50/06；该发明授权基于隐马尔可夫模型的时序负荷数据增强生成方法及装置是由钱建国;沃建栋;张静;黄银强;阙凌燕;吕勤;施云辉;陈仕轩;乔天同;宋靓云;徐峰;胡济恒;刁瑞盛;陈嘉程;刘晗;张晖;黄成思设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本基于隐马尔可夫模型的时序负荷数据增强生成方法及装置在说明书摘要公布了：本发明提供了基于隐马尔可夫模型的时序负荷数据增强生成方法及装置，涉及电力系统数据处理技术领域，将历史和实时的原始时序负荷数据按照关键时间周期进行划分和时间对齐，提取波动特征，获得历史和实时波动特征，利用隐马尔可夫模型对历史波动特征中的不同波动运行态进行建模，建立波动运行态的在线识别模型，以实时波动特征为输入，实时输出识别到的波动运行态，自适应生成相应的噪声后注入时间对齐后的实时负荷数据中，生成增强负荷数据。本发明采用基于隐马尔可夫模型的免训练的负荷数据合成框架，能够在不依赖大量历史数据的前提下自动、精准地识别负荷数据中的周期性特征和不同波动运行状态，并且通过自适应噪声注入完成数据增强。

本发明授权基于隐马尔可夫模型的时序负荷数据增强生成方法及装置在权利要求书中公布了：1.基于隐马尔可夫模型的时序负荷数据增强生成方法，其特征在于，包括： S1.将获取的历史和实时的原始时序负荷数据均按照关键时间周期进行划分和时间对齐，获得时间对齐后的历史负荷数据和实时负荷数据； S2.从时间对齐后的历史负荷数据和实时负荷数据中提取波动特征，获得历史波动特征和实时波动特征，利用隐马尔可夫模型对历史波动特征中的不同波动运行态进行建模，建立波动运行态的在线识别模型，以实时波动特征为输入，实时输出识别到的波动运行态； S3.根据识别到的波动运行态自适应生成相应的噪声后注入时间对齐后的实时负荷数据中，生成增强负荷数据； S2包括： S21.对各个不同时间尺度的时间对齐后的负荷数据分别按照相应时间尺度进行聚合，得到各个时间尺度的聚合负荷数据，并分别计算各个时间尺度的聚合负荷数据的对数收益率； S22.结合对应的对数收益率提取每个时间尺度的聚合负荷数据的波动性指标特征，用以刻画随机行为； S23.将所有时间尺度的波动性指标特征插值到统一的时间分辨率，组成综合波动特征向量，综合波动特征向量呈现出与不同波动运行态相对应的聚类模式； S24.利用高斯隐马尔可夫模型对所述综合波动特征向量中的不同波动运行态的时间演化进行建模，建立波动运行态的在线识别模型； S25.在线识别模型经参数估计后，以实时波动特征为输入，实时输出识别到的波动运行态； S3包括： S31.为每个已识别的波动运行态计算其均值波动水平和自适应缩放因子； S32.基于均值波动水平和自适应缩放因子生成与当前波动运行态的波动特征成正比的自适应噪声； S33.将自适应噪声注入到基准负荷数据中，与基准负荷数据进行合成，并通过上下限剪裁生成增强负荷数据。

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浙江省电力有限公司金华供电公司;国网浙江省电力有限公司，其通讯地址为：321016 浙江省金华市婺城区秋滨街道花溪路878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。