发明创造名称：一种用户用电实时测量方法
外观设计名称：
决定号：193482
决定日：2019-10-23
委内编号：1F254546
优先权日：
申请（专利）号：201410528151.4
申请日：2014-10-09
复审请求人：中国科学院自动化研究所
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：田志刚
合议组组长：王雪莲
参审员：李燕东
国际分类号：G06Q10/04，G06Q50/06
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求所要求保护的技术方案与作为最接近的现有技术的对比文件相比存在区别技术特征，但是上述区别技术特征中部分特征被其它对比文件所公开，部分特征属于本领域的公知常识，即现有技术中给出了将上述区别技术特征应用到该对比文件以解决其存在的技术问题的启示，从而使得本领域技术人员在现有技术的基础上得到该权利要求的技术方案是显而易见的，那么该项权利要求所要保护的技术方案不具备创造性。
全文：
本复审请求涉及申请号为201410528151.4，名称为“一种用户用电实时测量方法”的发明专利申请（下称本申请）。申请人为中国科学院自动化研究所。本申请的申请日为2014年10月09日，公开日为2015年01月28日。
经实质审查，国家知识产权局原审查部门于2018年01月15日发出驳回决定，驳回了本申请，其理由是：权利要求1不具备专利法第22条第3款规定的创造性。驳回决定中引用了对比文件1（CN102999791A，公开日为2013年03月27日）、对比文件2（CN103729689A，公开日为2014年04月16日）。驳回决定所依据的文本为：申请日2014年10月09日提交的说明书摘要、说明书第1-58段、摘要附图、说明书附图图1-3；2017年10月11日提交的权利要求第1-6项。
驳回决定的主要理由是：权利要求1所要求保护的方案与对比文件1的区别特征为：数据参数还包括概率上界参数、概率下界参数，步骤S3中对这两个参数进行聚类，以及步骤4中得到并对各用电类别的均值及概率处理与计算，获得剔除低概率类、保留高概率类的实时预测结果的具体统计步骤。对比文件2公开了（参见说明书第[0006]-[0036]段）：一种基于行业分类与主导行业数据的电网电量预测方法，该方法包括根据电价类型和负荷特征进行用户类型划分，筛选出用电量占电网用电总量的比例超过阈值的用户类型，得到用于预测的用户类型（公开了设置阈值进行聚类筛选，相当于设置概率获得剔除低概率类、保留高概率类的数据），根据行业性质对筛选后的用户类型中的所有用户进行行业划分，建立总电量多元线性回归预测模型得到总电量预测值P1，建立总电量灰色GM(1,N)模型得到总电量预测值P2，取P1和P2的均值作为最后预测结果P。可见，对比文件2给出了使用比例概率进行筛选用户用电数据的启示，而在此基础上，本领域技术人员有动机在获得不同类别的用电数据预测值后，将设置具有概率上界和下界的双阈值法应用于对比文件1的方案进行不同类别用电数据聚类和筛选以提高预测的准确度，并根据用电实时测量的具体应用场景和需求设置概率上下界的具体数值以及筛选步骤。同时，在本领域中，直接使用统计数据的均值来表征总体数据特征属于常用手段。因此，在对比文件1的基础上结合对比文件2以及本领域的常用手段得出权利要求1所要求保护的方案，对所属领域的人员来说是显而易见的，因此权利要求1所要求保护的方案不具备创造性。在驳回决定的其他说明部分，指出权利要求2-6不具备创造性，理由是权利要求2-6的附加特征要么被对比文件1公开，要么属于本领域常用手段，在引用的权利要求不具备创造性的情况下，权利要求2-6也不具备创造性。
驳回决定所针对的权利要求书如下：
“1. 一种用户用电实时测量方法，其包括步骤如下：
步骤S1：对采集用户的用电实时数据进行预处理，获得完整的用电数据；
步骤S2：对完整的用电数据参数进行初始化，获得计算所需的初始化聚类类别数、概率上界参数、概率下界参数；
步骤S3：采用K-均值聚类算法对用电数据的初始化聚类类别数、概率上界参数、概率下界参数进行聚类，获取不同类别的用电数据；
步骤S4：对不同类别的用电数据进行统计计算，得到并对各用电类别的均值及概率处理与计算，获得剔除低概率类、保留高概率类符合实际用户用电的实时预测结果，其中，所述统计计算的具体步骤如下：
步骤S41：根据初始化参数，设定概率下界Pmin和概率上界Pmax；
步骤S42：剔除概率低于概率下界Pmin的类别，并重新计算各类别的概率；
步骤S43：判断是否存在某一类别的概率高于概率上界Pmax，如果存在某一类别的概率高于概率上界Pmax，则以该类别的均值作为预测值，如果存在某一类别的概率没有高于概率上界Pmax，则转到步骤S44；
步骤S44：取概率处于概率下界Pmin和概率上界Pmax之间的类别，计算各类别均值的加权平均作为预测值。
2. 如权利要求1所述的用户用电实时测量方法，其特征在于，所述预处理是对用电实时数据进行筛选、剔除、补充的操作，用以改善数据质量，获取完整的用电数据。
3. 如权利要求1所述的用户用电实时测量方法，其特征在于，所述用电实时数据为照明用电数据、插座用电数据以及空调用电数据。
4. 如权利要求1所述的用户用电实时测量方法，其特征在于，根据用户的实际用电情况对所述聚类类别数、概率上界、概率下界参数的大小进行调整，以满足用电的实际需求。
5. 如权利要求1所述的用户用电实时测量方法，其特征在于，所述K-均值聚类算法是典型的基于原型的目标函数聚类算法，所述典型的基于 原型的目标函数聚类算法是以用电数据的数据点到K均值聚类算法中的聚类中心的样本x到第j个聚类中心的欧氏距离作为优化目标函数，利用函数求极值算法对优化目标函数进行迭代运算调整，获得优化目标函数最小函数值。
6. 如权利要求5所述的用户用电实时测量方法，其特征在于，获得优化目标函数最小函数值的步骤如下：
步骤S31：初始化不同类别用电数据的聚类样本及聚类数目K；
步骤S32：为每个用电数据聚类确定一个初始用电数据聚类中心，得到K个初始用电数据聚类中心；
步骤S33：将用电数据样本集中的用电数据样本按照最小距离分配到最邻近用电数据聚类；
步骤S34：使用每个用电数据聚类中的用电数据样本均值作为新的用电数据聚类中心；
步骤S35：判断新的用电数据聚类中心是否变化，如果新的用电数据聚类中心变化，则返回步骤S33；如新的用电数据聚类中心不变化，则得到优化目标函数最小函数值的用电数据的K个聚类结果。”
申请人（下称复审请求人）对上述驳回决定不服,于2018年06月25日向国家知识产权局提出了复审请求，未修改权利要求书。复审请求人认为：
（1）对比文件1的方法是针对电力行业中基于客户分群的电力负荷的预测；而本申请权利要求1的方法是针对用户用电的实时预测。本申请与对比文件1相比，两者解决的技术问题不同，采用的技术手段不同，达到的技术效果也不相同，可见，权利要求1与对比文件1属于完全不同的两种方法。
（2）对比文件1是对客户负荷数据进行抽取得到的负荷样本，而本申请权利要求1获取的是用户的用电实时数据，为用户完整的用电数据；对比文件1对数据的预处理主要是缺失值处理、异常值处理和计算规定时间内反应负荷变动情况的指标，而本申请权利要求1是通过对完整的用电数据参数进行初始化，然后获得计算所需的初始化聚类类别数、概率上界参数、概率下界参数；对比文件1通过构建实时负荷、日最大负荷和月最大负荷，最终的预测结果是各行业在各地区的用电总负荷以及汇总后的用电总负荷，另外再通过相应的公式来评价上述预测结果，以确定上述预测结果是否可以采用；而本申请权利要求1通过对不同类别的用电数据进行统计计算，最终获得的是剔除低概率类、保留高概率类符合实际用户用电的实时预测结果，可见，两者在预测方式上也是不同的。
（3）在对比文件2中，选择用户类型的方式为：筛选出用电量占电网用电总量的比例超过阈值的用户类型，得到用于预测的用户类型。这里对“阈值”的使用发生在采集数据之前，也就是说，对比文件2先通过“阈值”选择到目标用户类型，再针对用户类型进行行业划分，进而对划分后的每个行业的用电量数据进行采集。而权利要求1中“概率上界参数”和“概率下界参数”是对完整的用电数据参数进行初始化后获得的，这与对比文件2中的“阈值”是完全不同的概念。因此，对比文件2没有给出了使用比例概率进行筛选用户用电数据的启示。
经形式审查合格，国家知识产权局于2018年07月05日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为：（1）本申请是为了获得更加真实合理的用户用电数据进行统计聚类分析，对比文件1中用电负荷实质上就是用户用电量，为了解决现有技术中模型单一造成的数据不准确进行了根据用户用电类别进行分群聚类的方法进行电力负荷的预测，只是对比文件1聚类分析的具体参数与本申请稍有不同。对比文件1公开了对采集数据进行预处理与权利要求1中S1相同，在预处理后得到完整的用电数据并未体现出非抽样样本的含义。（2）根据权利要求1的记载，步骤S41初始化参数，设定概率下界和概率上界，其目的也是为了对进行预测的各类别进行筛选，对比文件1公开了对用电负荷采集以及预处理，并采用K-means算法进行聚类，如果不收敛的话重新分配，基于权利要求1与对比文件1的区别设定概率下界和概率上界，其在权利要求1中的作用在于设置概率上下界，通过计算处于概率上下界的类别的加权平均作为预测值，为了提高类别划分的准确度，而对比文件2公开了先对用户类型进行划分，在通过设置的阈值比例确定对预测结果影响较大的类别进行电量预测，其划分阈值的作用也是用于提高预测结果精确度，给出了设置阈值的进行选择的启示。因而坚持驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年07 月30日向复审请求人发出复审通知书，指出：权利要求1-6所要求保护的技术方案不具备专利法第22条第3款规定的创造性。
复审请求人于2019年09 月12日提交了意见陈述书，但未修改申请文件。复审请求人认为：
（1）本申请所要解决的问题是如何实现对一个用户的用电情况的预测，采集的原始数据是一个用户的不同类型的用电数据，预测结果是一个用户用电的实时预测结果。而对比文件1解决的问题是所有用户的用电预测问题，获取的是多个客户的用电数据，预测结果是多个客户的用电预测值。
（2）本申请与对比文件1的数据处理方式不同。对比文件对数据的预处理主要是缺失值处理、异常值处理和计算规定时间内反应负荷变动情况的指标，而本申请权利要求1是通过对完整的用电数据参数进行初始化，然后获得计算所需的初始化聚类类别数、概率上界参数、概率下界参数，合议组在复审通知书中并未对该区别进行评述，对比文件1和2均未公开该区别。
（3）对比文件1和本申请的预测方式不同，聚类分组过程不同，对比文件1的目的是将客户分为不同客户群，然后分别计算各个客户群的负荷数据，实现单个客户群组的用电预测；而本申请的目的在于将用电数据分为不同类别的用电数据，然后基于这些用电数据来获取预测结果。
（4）对比文件1要解决的是各地用电侧的用电预测，本申请要解决的是一个用户的用的情况预测；对比文件1采集的数据样本覆盖了各个地区各个行业的不同客户的用电数据，而本申请采集的数据样本是一个用户的不同类型的用电数据。
（5）对比文件2仅公开了“利用阈值筛除用电数据”这一技术手段，而本申请权利要求1的“步骤4中得到并对各用电类别的均值及概率处理与计算，获得剔除低概率类、保留高概率类的实时预测结果的具体统计步骤”与之不同，也不是本领域常规技术手段。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
1、审查文本的认定
复审请求人在提交复审请求和答复复审通知书时，未对申请文件进行修改。本复审请求审查决定所针对的文本是：申请日2014年10月09日提交的说明书摘要、说明书第1-58段、摘要附图、说明书附图图1-3；2017年10月11日提交的权利要求第1-6项。
2、关于专利法第22条第3款
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
如果一项权利要求所要求保护的技术方案与作为最接近的现有技术的对比文件相比存在区别技术特征，但是上述区别技术特征中部分特征被其它对比文件所公开，部分特征属于本领域的公知常识，即现有技术中给出了将上述区别技术特征应用到该对比文件以解决其存在的技术问题的启示，从而使得本领域技术人员在现有技术的基础上得到该权利要求的技术方案是显而易见的，那么该项权利要求所要保护的技术方案不具备创造性。
本复审请求审查决定中引用的对比文件如下：
对比文件1：CN102999791A，公开日为2013年03月27日；
对比文件2：CN103729689A，公开日为2014年04月16日，
其中，对比文件1是最接近的现有技术。
权利要求1-6所要求保护的技术方案不具备专利法第22条第3款规定的创造性
2.1、 权利要求1不具备专利法第22条第3款规定的创造性。
权利要求1请求保护一种用户用电实时测量方法，对比文件1公开了一种电力行业中基于客户分群的电力负荷预测方法，并具体公开了以下特征（参见说明书第[0005]-[0076]、[0082]-[0121]段、图1）：该方法步骤如下：（1）对客户负荷数据进行抽取，并获得负荷样本数据，包括确定客户档案类数据、电量数据、负荷数据，确定样本数据时间范围，对于日最大负荷和月最大负荷预测，采用实时负荷进行预测（相当于用电实时测量）；（2）预处理负荷样本数据，包括计算聚类指标、缺失值处理、异常值处理（步骤1和2相当于步骤S1对采集用户的用电实时数据进行预处理，获得完整的用电数据）；（3）对客户进行聚类分组，获得多个客户群组，包括按用电类别分群、用电类别内客户分群，具体采用K-means聚类算法，具体的聚类过程包括：计算聚类指标，包括负荷率、峰谷比、平总比、谷总比等（这些数据均为用电数据），构成D表，对D表调用K-means聚类算法，聚合行业内相似客户并分组（相当于步骤S3：采用K-均值聚类算法对用电数据进行聚类，获取不同类别的用电数据），其算法具体为：初始化4个聚类中心，将每个样本xi分配到离它最近的距离中心所在的类中，计算簇的重心并作为新聚类中心，如果收敛则返回聚类中心并终止算法，否则重新分配（公开了在使用K均值聚类中初始化4个聚类中心，相当于步骤S2中对参数进行初始化，获得计算所需的初始化聚类类别数）；（4）汇总各个客户群组的负荷数据；（5）对单个客户群组进行负荷时序预测；（6）汇总计算多个客户分群的负荷预测结果（步骤4-6相当于步骤S4对不同类别的用电数据进行统计计算，得到符合实际用户用电的实时预测结果）；（7）对步骤6获得的负荷预测结果进行评价。可见，权利要求1与对比文件1相比，区别在于：数据参数还包括概率上界参数、概率下界参数，步骤S3中对这两个参数进行聚类，以及步骤4中得到并对各用电类别的均值及概率处理与计算，获得剔除低概率类、保留高概率类的实时预测结果的具体统计步骤。基于上述区别，权利要求1实际解决的问题是如何提高用户用电实时预测结果的准确度。
对比文件2公开了一种基于行业分类与主导行业数据的电网电量预测方法，并具体公开了（参见说明书第[0006]-[0036]段）：该方法包括根据电价类型和负荷特征进行用户类型划分，筛选出用电量占电网用电总量的比例超过阈值的用户类型，得到用于预测的用户类型（公开了设置阈值进行聚类筛选，相当于设置概率获得剔除低概率类、保留高概率类的数据），根据行业性质对筛选后的用户类型中的所有用户进行行业划分，建立总电量多元线性回归预测模型得到总电量预测值P1，建立总电量灰色GM(1,N)模型得到总电量预测值P2，取P1和P2的均值作为最后预测结果P。可见，对比文件2给出了使用比例概率进行筛选用户用电数据的启示，在此基础上，本领域技术人员容易想到在获得不同类别的用电数据预测值后，将设置具有概率上界和下界的双阈值法应用于对比文件1的方案进行不同类别用电数据聚类和筛选以提高预测的准确度，并根据用电实时测量的具体应用场景和需求设置概率上下界的具体数值，同时剔除概率低于概率下界的用电类别并重新计算各用电类别的概率；而将概率高于概率上界的类别所对应的均值作为预测值、或者将概率处于概率下界和概率上界之间的类别的均值加权平均作为预测值，这些都是本领域所惯用的手段。同时，在本领域中，直接使用统计数据的均值来表征总体数据特征属于常用手段。
因此，在对比文件1的基础上结合对比文件2以及本领域的公知常识以获得权利要求1所请求保护的方案对于本领域技术人员来说是显而易见的，因此，权利要求1所请求保护的方案不具有突出的实质性特点和显著的进步，不具备创造性。
2.2、 权利要求2不具备专利法第22条第3款规定的创造性。
权利要求2是权利要求1的从属权利要求，其附加特征被对比文件1公开（参见说明书第[0093]段）：步骤2预处理负荷样本数据主要包括缺失值处理、异常值处理和计算规定时间反映负荷变动情况的指标（相当于预处理是对用电实时数据进行筛选、剔除、补充的操作，用以改善数据质量，获取完整的用电数据）。因此，当其引用的权利要求不具备创造性时，该权利要求也不具备创造性。
2.3、 权利要求3不具备专利法第22条第3款规定的创造性。
权利要求3是权利要求1的从属权利要求，其附加特征对具体用电实时数据类型进行限定，本领域技术人员根据不同的用电实时测量的场景和需求，容易想到选取相应类型的用电数据作为样本数据。因此，当其引用的权利要求不具备创造性时，该权利要求也不具备创造性。
2.4、 权利要求4不具备专利法第22条第3款规定的创造性。
权利要求4是权利要求1的从属权利要求。在本领域中，根据实际情况进行参数调整以得到更优的计算结果属于常用手段。因此，当其引用的权利要求不具备创造性时，该权利要求也不具备创造性
2.5、 权利要求5、6不具备专利法第22条第3款规定的创造性。
权利要求5、6直接地或间接地引用权利要求1，其部分附加特征被对比文件1公开（参见说明书第[0115]段）：K-均值聚类是Mac Queen提出的一种非监督实时聚类算法，在最小化误差函数的基础上将数据划分为预定的类数K，在K-means算法运行前必须先指定聚类数目K和迭代次数或收敛条件（相当于K-均值聚类算法是典型的基于原型的目标函数聚类算法），并指定K个初始聚类中心，根据一定的相似性度量准则，将每一个客户分配到最近或“相似”的聚类中心，形成类，然后以每一类的平均矢量作为这一类的聚类中心，重新分配，反复迭代直到类收敛或达到最大的迭代次数（相当于以用电数据的数据点到K均值聚类算法中的聚类中心的样本x到第j个聚类中心的欧氏距离作为优化目标函数，利用函数求极值算法对优化目标函数进行迭代运算调整，获得优化目标函数最小函数值），其算法具体为：初始化4个聚类中心（本领域技术人员可以直接地毫无疑义地确定其具有多个样本数据，相当于步骤S31和S32），将每个样本xi分配到离它最近的距离中心所在的类中（相当于步骤S33），计算簇的重心并作为新聚类中心（相当于步骤S34渠道新的聚类中心），如果收敛则返回聚类中心并终止算法，否则重新分配（相当于步骤S35）。而在本领域中，使用统计数据均值表征总体数据特征属于常用手段。因此，当其引用的权利要求不具备创造性时，权利要求5、6也不具备创造性。
3、对复审请求人相关意见的评述
合议组认为：
（1）现有的权利要求内容并没有限定权利要求1-6所要保护的技术方案是针对一个用户的用电情况进行用电数据采集和预测，现有权利要求1-6的内容完全可以理解为针对多个用户的用电情况进行用电数据采集和预测，这与对比文件1的情况是一致的。即使权利要求1-6所要求保护的技术方案被明确限定为是针对一个用户的用电情况进行用电数据采集和预测，权利要求1-6仍不具备创造性，理由是：对比文件1已经公开了采集多个客户的用电数据并预测多个客户的用电预测结果，在此基础上，为了获取每个客户的用电预测数据而采集单个用户的用电数据进行分析并得到单个用户的用电预测结果，这是本领域技术人员容易想到的。
（2）合议组已在复审通知书中对该区别进行了详细评述：
对比文件1公开了……，其算法具体为：初始化4个聚类中心，将每个样本xi分配到离它最近的距离中心所在的类中，计算簇的重心并作为新聚类中心，如果收敛则返回聚类中心并终止算法，否则重新分配（公开了在使用K均值聚类中初始化4个聚类中心，相当于步骤S2中对参数进行初始化，获得计算所需的初始化聚类类别数）；
对比文件2给出了使用比例概率进行筛选用户用电数据的启示，在此基础上，本领域技术人员容易想到在获得不同类别的用电数据预测值后，将设置具有概率上界和下界的双阈值法应用于对比文件1的方案进行不同类别用电数据聚类和筛选以提高预测的准确度，并根据用电实时测量的具体应用场景和需求设置概率上下界的具体数值，同时剔除概率低于概率下界的用电类别并重新计算各用电类别的概率；而将概率高于概率上界的类别所对应的均值作为预测值、或者将概率处于概率下界和概率上界之间的类别的均值加权平均作为预测值，这些都是本领域所惯用的手段。
复审通知书的上述内容已经详细的评述了上述区别。
（3）对比文件1对客户进行分组，其中，对客户进行聚类分组，获得多个客户群组，包括按用电类别分群、用电类别内客户分群，其实质也是将用电数据分为不同的类别的用电数据（即对比文件1的用电类别），并由此获取预测结果。
（4）如前所述，现有的权利要求内容并没有限定权利要求1-6所要保护的技术方案是针对一个用户的用电情况进行用电数据采集和预测。
（5）对比文件2公开了根据电价类型和负荷特征进行用户类型划分，筛选出用电量占电网用电总量的比例超过阈值的用户类型，得到用于预测的用户类型，即对比文件2公开了“设置概率获得剔除低概率类、保留高概率类的数据”，同时给出了使用比例概率进行筛选用户用电数据的启示。在进行数据处理时，当剔除了低概率类数据时，数据处理所依据的基础数据发生了变化（减去了低概率类数据），这时，为了保证数据处理的准确性，通常会以新的基础数据为基础重新计算概率，这是本领域的惯用手段。对于高于和低于概率上界的数据采取不同的处理方式以保证数据处理的准确性，这是本领域的惯用手段。由对比文件2公开的内容，本领域技术人员容易想到在获得不同类别的用电数据预测值后，将设置具有概率上界和下界的双阈值法应用于对比文件1的方案进行不同类别用电数据聚类和筛选以提高预测的准确度，并根据用电实时测量的具体应用场景和需求设置概率上下界的具体数值，同时剔除概率低于概率下界的用电类别并重新计算各用电类别的概率；而将概率高于概率上界的类别所对应的均值作为预测值、或者将概率处于概率下界和概率上界之间的类别的均值加权平均作为预测值，这些都是本领域所惯用的手段。
综上，复审请求人的理由不成立，如前所述，权利要求1-6不具备创造性。
三、决定
维持国家知识产权局于2018年01月15日对本申请作出的驳回决定。如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
