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

龍圖騰網獲悉華南理工大學申請的專利一種基于混合神經網絡和生成對抗的小樣本負荷預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115640901B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211365088.8，技術領域涉及：G06Q10/04；該發明授權一種基于混合神經網絡和生成對抗的小樣本負荷預測方法是由劉俊峰;盧俊菠;曾君;陳淵睿設計研發完成，并于2022-11-01向國家知識產權局提交的專利申請。

本一種基于混合神經網絡和生成對抗的小樣本負荷預測方法在說明書摘要公布了：本發明公開了一種基于混合神經網絡和生成對抗的小樣本負荷預測方法。所述方法包括以下步驟：采集歷史用戶用電數據和對應天氣、日期特征；構建負荷特征輸入矩陣；提取歷史用戶和新增用戶的高維負荷特征，送入負荷預測神經網絡中進行預訓練；固定源領域負荷特征提取器參數，并構造目標領域負荷特征提取器，更新目標領域特征提取器參數；將對抗訓練得到的目標領域特征提取器G2與預訓練的負荷預測神經網絡進行連接，應用于目標領域新增用戶負荷預測。本發明通過不同領域間知識的遷移，充分利用了源領域已有的大量歷史負荷知識，有效解決了電力系統中新增用戶用電數據不足時日前負荷預測精度不足的問題，充分發揮了歷史負荷數據的價值。

本發明授權一種基于混合神經網絡和生成對抗的小樣本負荷預測方法在權利要求書中公布了：1.一種基于混合神經網絡和生成對抗的小樣本負荷預測方法，其特征在于，包括以下步驟： S1、確定與新增用戶具有相似用電行為的歷史用戶，使用智能電表采集歷史用戶用電數據和對應天氣、日期特征； S2、構建負荷特征輸入矩陣，確定輸入預測模型的源領域用戶歷史數據滯后長度； S3、構造負荷特征提取器，利用負荷特征提取器提取歷史用戶和新增用戶的高維負荷特征，將歷史用戶高維負荷特征送入負荷預測神經網絡中進行預訓練，直至負荷預測神經網絡收斂；構造負荷特征提取器為二維卷積神經網絡，包括用于提取非線性特征的卷積層、對特征降維的池化層、激活函數、防止過擬合的批標準化層和隨機失活層和全連接層； 高維負荷特征為負荷特征提取器的輸出特征，負荷特征提取器包括順次連接的第一卷積層Conv2d1、第一池化層Maxpool1、第二卷積層Conv2d2、第二池化層Maxpool2、第三卷積層Conv2d3、第一全連接層Dense1和第二全連接層Dense2； 負荷預測神經網絡為長短期記憶LSTM網絡，其內部結構包括2層LSTM層，2層LSTM層后拼接兩個全連接層將輸出維度變為所需維度，LSTM網絡能夠對時間序列的歷史信息進行記憶，避免了序列信息丟失的問題； 預訓練為將源領域用戶80％劃分為訓練集，20％劃分為測試集，依照構造的d×k大小的特征輸入矩陣輸入負荷特征提取器中，并與負荷預測神經網絡相連接，輸出標簽為待預測日48點電負荷，單位為kW；并通過隨機梯度更新法更新負荷特征提取器和負荷預測神經網絡的參數； S4、固定源領域負荷特征提取器G1參數，并構造目標領域負荷特征提取器G2，引入生成對抗網絡對齊源領域負荷與目標領域負荷在高維空間的分布，計算源領域和目標領域分布間的wasserstein距離并以此更新目標領域特征提取器參數；目標領域負荷特征提取器G2與源領域負荷特征提取器G1的結構與步驟S3中構造的負荷特征提取器的結構相同，但權重參數初始化為均值為0，方差為1的正態分布； S5、將對抗訓練得到的目標領域特征提取器G2與預訓練的負荷預測神經網絡進行連接，應用于目標領域新增用戶負荷預測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華南理工大學，其通訊地址為：510640 廣東省廣州市天河區五山路381號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。