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！

龙图腾网恭喜华北电力大学申请的专利一种非侵入式负荷集群分类方法及系统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：CN114548302B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210183179.3，技术领域涉及：G06F18/2415；该发明授权一种非侵入式负荷集群分类方法及系统是由武昕;严萌;余昊杨设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本一种非侵入式负荷集群分类方法及系统在说明书摘要公布了：本发明涉及一种非侵入式负荷集群分类方法及系统，确定各训练子集对应的双层高斯过程混合模型；求解各训练子集对应的双层高斯过程混合模型的参数；根据M组训练子集对应的双层高斯过程混合模型的参数求取均值，确定双层高斯过程混合平均模型的参数；将各测试子集中各类集群代入所述双层高斯过程混合平均模型进行计算，输出各测试子集中各类集群的概率值；将各测试子集中各类集群输出概率最大值对应的集群类别作为各测试子集对应的分类结果。本发明方案将用户侧具有相同操作特点、统一用电规律的负荷建模成一个集群，利用隶属于双层高斯过程混合平均模型的概率值来判定未知集群的所属类别，从而有效实现集群的分类，为用户提高用电效率提供指导。

本发明授权一种非侵入式负荷集群分类方法及系统在权利要求书中公布了：1.一种非侵入式负荷集群分类方法，其特征在于，所述方法包括：基于负荷集群对应的用电数据集D构建测试集T和训练集S；训练集S包括M个训练子集；所述测试集T中包括M个测试子集；其中，M为大于1的正整数；确定各训练子集对应的双层高斯过程混合模型，具体包括：确定各训练子集中包含集群的总类数K；基于各训练子集中各类集群的输入特征集确定各训练子集对应的双层高斯过程混合模型；其中，确定各训练子集中包含集群的总类数K，具体包括：步骤S211：基于各类集群对应的特征确定负荷集群特征；步骤S212：判断训练子集Sl中是否存在满足负荷集群特征的集群；如果存在满足负荷集群特征的集群，则执行“步骤S214”；如果不存在满足负荷集群特征的集群，则剔除训练子集Sl，并令l＝l+1，并执行“步骤S213”；步骤S213：判断l是否大于M，如果l大于M，则结束；如果l小于或等于M，则返回“步骤S212”；步骤S214：根据负荷集群特征确定各训练子集中包含集群的总类数K和各类集群的输入特征集；基于各训练子集中各类集群的输入特征集确定各训练子集对应的双层高斯过程混合模型，具体包括：步骤S221：基于第i个输入特征集中各输入特征构建各输入特征对应的高斯过程模型；所述输入特征集中包括p个输入特征；步骤S222：根据p个输入特征对应的高斯过程模型构建第i类集群对应的高斯过程混合模型；所述高斯过程混合模型为下层模型；步骤S223：判断i是否小于K，如果i小于K，则令i＝i+1，并执行“步骤S221”；如果i大于或等于K，则根据K类集群对应的高斯过程混合模型构建上层模型；步骤S224：基于所述上层模型和各类集群对应的所述下层模型确定双层高斯过程混合模型；所述双层高斯过程混合模型的参数待求解；求解各训练子集对应的双层高斯过程混合模型的参数；将求解得到的M组参数求取均值，将均值代入双层高斯过程混合模型后得到双层高斯过程混合平均模型；将各测试子集中各类集群代入所述双层高斯过程混合平均模型进行计算，输出各测试子集中各类集群的概率值；将各测试子集中各类集群输出概率最大值对应的集群类别作为各测试子集对应的分类结果。

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华北电力大学，其通讯地址为：102206 北京市昌平区回龙观镇北农路2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”。