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！

龙图腾网获悉沈阳工程学院申请的专利基于时序序列聚类的分布式光伏异常数据分数决策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：CN118277935B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202410587491.8，技术领域涉及：G06F18/2433；该发明授权基于时序序列聚类的分布式光伏异常数据分数决策方法是由荆澜涛;梁宏杰;王亮;王磊;于力;李家珏;张强;王超;吴依明设计研发完成，并于2024-05-13向国家知识产权局提交的专利申请。

本基于时序序列聚类的分布式光伏异常数据分数决策方法在说明书摘要公布了：本发明属于光伏技术领域，具体公开了基于时序序列聚类的分布式光伏异常数据分数决策方法，基于动态时间规整算法测量不同特征周期序列组别的相似度以获取最优路径相似性矩阵，然后基于k‑均值及肘部法则图实现聚类，以分化数据并增强相似性特征。引入第三异常分数特征并加权，进一步基于孤立森林框架获取异常分数矩阵进行最优决策以获取最优输出，在考虑差异性的基础上降低计算复杂度以完成异常检测；本发明的方法可以有效捕获大部分异常样本，可有效提高光伏异常数据的精准率与召回率。

本发明授权基于时序序列聚类的分布式光伏异常数据分数决策方法在权利要求书中公布了：1.基于时序序列聚类的分布式光伏异常数据分数决策方法，其特征在于，包括以下步骤：S1、数据预处理，基于动态时间规整DTW算法测量辐射度与功率特征各个周期序列组别的相似度，获得其累计距离并构成相似性矩阵，然后基于k-means及肘部法则图实现最优聚类；S2、使用LOF算法计算聚类簇内每个数据点的异常分数作为第三个特征并加权，再将其作为孤立森林的数据输入用以获取异常分数矩阵，然后使用基于统计信息的优劣解距离法对模型的异常分数矩阵进行最优决策，获取最优输出；所述步骤S1中，数据预处理的具体过程为：S101、采集的数据为X＝[xrxp]，xr为辐射度数据，xp为光伏输出功率数据；对X进行缺失值查找，利用牛顿插值多项式进行插补，对应的表达式为： 式中：x为数据点；n为数据点的数量；f[]为差商函数值；x0、x1、x2…xk分别表示为给定数据点；Nx表示为插补数值；S102、进行归一化处理，采用Z-Score归一化，其公式如下： 式中：Xnorm为归一化后的数据；X为原始数据；Xmean为原始数据的均值；Xstd为原始数据集的标准差；S103、截取xr、xp中各周期的实值序列，利用皮尔逊相关系数计算xr，xp各天的相关系数作为线性权重ωi： 式中：xrd为辐射度数据集；xpd为功率数据集；cov为数据集的协方差；为辐射度数据集标准差；为功率数据集标准差；步骤S1中，基于动态时间规整DTW算法测量不同特征各个周期序列组别的相似度，获得其累计距离并构成相似性矩阵，然后基于k-means及肘部法则图实现最优聚类的具体过程为：S104、对实值序列扭曲拉伸并求解路径，使得累积距离Dist最小，即 式4中：i,j为时间序列各数据点；di,j为当前元素的距离；min为各项取值的最小值；Disti,j为累计距离；S105、基于式4计算出的最优距离可表示为[DistrDistp]，引入ωi进行自适应加权平均计算，求解最终的最优距离Dists：Dists＝ωi×Distr+1-ωi×Distp5式中：ωi为相关系数；Distr为辐射度序列计算出的最优距离；Distp为功率序列计算出的最优距离；S106、遍历计算所有周期之间时序数据的最优距离，并将所得多组最优距离Dists转换为一个相似度矩阵Ds；S107、根据传统k-means算法计算相似度矩阵Ds的误差平方和SSE：SSE＝∑dDsis,js,ck6式6中：is,js为矩阵各数据点索引；k为聚类数目；Dsis,js为矩阵样本数据点，ck为聚类中心，d为矩阵样本数据点Dsis,js与聚类中心ck之间的距离，本文选定为欧氏距离；S108、不断更新不同聚类数目下的误差平方和SSE以确定k个最优聚类数目；S109、根据最优解以及实际需求确定k个聚类后的数据簇Di,i＝1,2,3,…k。

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沈阳工程学院，其通讯地址为：110000 辽宁省沈阳市沈北新区蒲昌路18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”。