買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉長春工業(yè)大學申請的專利一種基于小樣本數(shù)據(jù)的電量預測方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN120031264B 。

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510507085.0，技術領域涉及：G06Q10/063；該發(fā)明授權一種基于小樣本數(shù)據(jù)的電量預測方法是由董吉哲;高洪堯;陳沛光;王梓蘅;許崇珊;肖駿達設計研發(fā)完成，并于2025-04-22向國家知識產權局提交的專利申請。

本一種基于小樣本數(shù)據(jù)的電量預測方法在說明書摘要公布了：一種基于小樣本數(shù)據(jù)的電量預測方法，該方法中，首先對歷史電量數(shù)據(jù)進行預處理，并采用四區(qū)間動態(tài)離散化分箱優(yōu)化數(shù)據(jù)特征表征能力。隨后，基于嶺回歸構建個具有差異化超參數(shù)配置的子模型，并針對各個子模型求解權重。在權重求解過程中，若不滿足邊界約束條件，則重新調整權重。對于滾動窗口，先設定初始值，并計算窗口內數(shù)據(jù)的均值與方差。若均值或方差出現(xiàn)異常，則調整窗口長度。經(jīng)過上述處理后，將數(shù)據(jù)輸入模型，按照初始正則化參數(shù)進行預測，并依據(jù)平均絕對百分比誤差（）與設定閾值的反饋關系調整正則化參數(shù)。若超出閾值3次，則觸發(fā)反饋調整機制，對權重、窗口長度和正則化參數(shù)進行優(yōu)化，直至滿足條件并輸出最終預測結果。

本發(fā)明授權一種基于小樣本數(shù)據(jù)的電量預測方法在權利要求書中公布了：1.一種基于小樣本數(shù)據(jù)的電量預測方法，其特征在于，包括如下步驟： 首先對歷史電量數(shù)據(jù)進行預處理，對預處理后的數(shù)據(jù)進行四區(qū)間動態(tài)離散化分箱處理，結合電量數(shù)據(jù)的周期性與波動性，自適應調整數(shù)據(jù)特征表征方式，提高預測模型的學習能力，原始數(shù)據(jù)按照上述規(guī)則映射至離散化區(qū)間，經(jīng)過四區(qū)間動態(tài)離散化分箱后，生成帶有時間戳的離散化標簽的類別性特征，作為模型訓練的輸入特征； 其次，在嶺回歸基礎模型的基礎上，構建K個具有差異化超參數(shù)配置的嶺回歸預測子模型，采用帶約束條件的凸優(yōu)化算法對K個子模型的權重系數(shù)進行優(yōu)化求解，并重新設定多嶺回歸模型的損失函數(shù)，將優(yōu)化求解過后的權重系數(shù)放入到模型中作為初步的預測模型，并針對K個子模型重新設定最小化預測均方誤差； 最后，在模型中增加動態(tài)參數(shù)調整機制：基于平均絕對百分比誤差MAPE與設定閾值之間的反饋關系，來動態(tài)調整模型的超參數(shù)，提高模型的泛化性以及魯棒性，實現(xiàn)預測誤差滿足精度要求；通過最優(yōu)權重條件下的嶺回歸模型，輸出未來MM≥3個月份的預測值，得到用電量預測的結果； 所述動態(tài)調整模型的超參數(shù)主要包括： 設置誤差閾值為θ，當MAPE＞θ時，觸發(fā)參數(shù)調整；所述的參數(shù)調整規(guī)則為：當誤差超過閾值時，按比例衰減正則化參數(shù)，衰減比例范圍為0.8至0.95；正則化衰減規(guī)則為：αnew＝γ·αold，γ∈[0.8，0.95]；式中：γ是衰減比例，當且僅當MAPE＞θ時，觸發(fā)效果；αnew是求解后的新正則化參數(shù)；αold是原始的初始正則化參數(shù)；根據(jù)誤差超限幅度動態(tài)調整γ，具體調整公式為：增設邊界保護機制，若αnew超出預設范圍，則重置區(qū)間的邊界； 動態(tài)窗口調整機制包括： 在訓練集中進一步生成滾動統(tǒng)計特征，包括窗口期內數(shù)據(jù)的均值和標準差，基于滾動均值與標準差是否發(fā)生突變，來動態(tài)調整窗口的長度，窗口長度與電量數(shù)據(jù)的季節(jié)性周期匹配，強化時間序列與電量數(shù)據(jù)之間的嵌入關系；滾動均值與標準差計算公式為： 式中：W為窗口長度；μt為訓練集中W窗口內第t個月的滾動均值；σt為訓練集中W窗口內第t個月的滾動標準差；yi為訓練集的第i個數(shù)據(jù)的真實值； 所述參數(shù)調整機制包括： 預設閾值為θ，且未來M個數(shù)據(jù)點的預測誤差通過平均絕對百分比評估；當模型預測結果超過3次MAPE均大于預定閾值θ時，同時觸發(fā)正則化調整機制、權重調整機制和動態(tài)窗口調整機制，三者協(xié)同調整模型參數(shù)，直至滿足條件。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人長春工業(yè)大學，其通訊地址為：130012 吉林省長春市朝陽區(qū)延安大街2055號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。