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！

龍圖騰網獲悉長春工業大學申請的專利一種基于深度學習和數據驅動的電力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：CN120016472B 。

龍圖騰網通過國家知識產權局官網在2025-08-19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：202510465571.0，技術領域涉及：H02J3/00；該發明授權一種基于深度學習和數據驅動的電力負荷預測方法是由董吉哲;孫洋;陳沛光;李九龍;許崇珊;韓曉桐設計研發完成，并于2025-04-15向國家知識產權局提交的專利申請。

本一種基于深度學習和數據驅動的電力負荷預測方法在說明書摘要公布了：本發明涉及電力系統短期負荷預測領域，針對傳統預測方法難以充分捕捉高維歷史數據與外部環境因素中復雜非線性關系的問題，提出一種基于深度學習和數據驅動的電力負荷預測方法。該方法采用特征加權機制，對歷史特征和未來特征自動賦權，提高數據表達能力；同時，通過擴張卷積編碼器實現分塊處理，擴大感受野以捕捉長時依賴關系；再利用多層注意力機制優化相似日選擇，計算上下文向量輔助雙向門控循環單元進行動態解碼。整套技術方案實現了歷史信息與未來數據的高效融合和動態特征調整，提升了預測精度和模型穩定性。該發明主要應用于電力系統調度管理和智能化運行，為提高電網安全、穩定和運行提供技術支撐。

本發明授權一種基于深度學習和數據驅動的電力負荷預測方法在權利要求書中公布了：1.一種基于深度學習和數據驅動的電力負荷預測方法，其特征在于，所述方法包括以下操作：首先，使用ISO-NE數據集，選取其每小時歷史電力負荷需求數據；其次，應用特征加權機制為輸入特征分配權重；再次，開發擴張卷積編碼器；然后，利用多層注意力機制實現相似日的選擇并計算上下文向量，以輔助雙向門控循環單元進行解碼器預測；最后，構建整個具有特征加權機制的擴張卷積編碼器及含多層注意力機制的雙向門控循環單元解碼器作為負荷預測模型，進而利用數據集對模型進行驗證，依據評價指標來判斷模型的預測效果，具體流程如下： 首先，使用ISO-NE數據集，輸入特征包括電力負荷需求、干球溫度和露點溫度特征，設為歷史時間步長，為預測未來時間步長，為特征維度，分離出歷史特征，表示的維度為，分離出未來特征，即的維度為，設置歷史目標為，即的維度為，將歷史特征與未來特征拼接為輸入矩陣，在中設表示第時刻元素的特征維度為，對維度符號的解釋今后不再贅述； 其次，應用特征加權機制為輸入特征分配權重，該過程具體包括： 步驟（1）對每個時間步，將經線性層變換得到特征注意力得分向量： 其中，為激活函數，表示線性層權重，表示線性層偏置； 步驟（2）對細化特征維度含義，得到，表示第個時間步上第個特征的注意力得分向量，，對應用函數，計算特征注意力權重： 其中為第個時間步的特征注意力權重； 步驟（3）將特征注意力權重與輸入逐元素相乘，獲得加權總特征： 其中表示逐元素乘法，分離出加權歷史特征和加權未來特征； 再次，開發擴張卷積編碼器，該過程具體包括： 步驟（1）對每個時刻拼接加權歷史特征與歷史目標得到輸入，對于每個時間有，轉置后得到擴張卷積編碼器輸入； 步驟（2）將編碼器輸入分塊，設擴張因子為，，為卷積塊數，為擴張層數，在塊內第層輸出也作為第層的輸入，如為塊的首層輸入，這樣第層的輸出如下： 其中，為卷積核大小，為塊在時的第層輸出，為塊的第層的卷積核的第個權重，為塊的第層的偏置，為激活函數； 步驟（3）將塊的整塊輸出與塊的尾層輸出做殘差連接，獲得塊的整塊輸出： 步驟（4）經過所有卷積塊后，獲得總輸出，將輸出通過適配層： 其中，為適配層權重，為適配層偏置，由此得到編碼器隱藏表示序列作為擴張卷積編碼器輸出，故以代指其中一個，為擴張卷積輸出通道數； 然后，利用多層注意力機制實現相似日的選擇并計算上下文向量，以輔助雙向門控循環單元進行解碼器預測，該過程具體包括： 步驟（1）將加權歷史特征按周期劃分，每周期包含個時間步，共個周期，有，使其重構為，同時加權未來特征重構為，復制次得到； 步驟（2）針對周期的第個時間步，計算調整后的加權歷史特征與加權未來特征的相似性： 其中為歸一化的周期注意力權重，是利用相似性的倒數計算的； 步驟（3）對每個預測時間步，有，利用雙向門控循環單元上一預測時間步的前向隱藏狀態、后向隱藏狀態、當前加權未來特征構造查詢向量，計算時間注意力得分： 其中，為時間注意力得分權重，既為前述擴張卷積編碼器輸出通道數，又為雙向門控循環單元隱藏狀態維度，為時間注意力得分偏置，函數用于連接，歸一化得當前時間注意力分布： 其中也稱時間注意力權重； 步驟（4）對每個周期，利用時間注意力權重對擴張卷積編碼器輸出計算加權編碼器輸出： 其中為加權各周期信息，也稱上下文向量； 步驟（5）將上下文向量與當前加權未來特征拼接，獲得雙向門控循環單元的輸入，并更新狀態： 其中，為時刻前向隱藏狀態，為時刻后向隱藏狀態，函數即為雙向門控循環單元的運行過程，拼接后通過全連接層生成預測： 其中，為激活函數，為全連接層權重，為全連接層偏置； 最后，構建整個具有特征加權機制的擴張卷積編碼器及含多層注意力機制的雙向門控循環單元解碼器作為負荷預測模型，獲得最終預測序列為。

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長春工業大學，其通訊地址為：130012 吉林省長春市朝陽區延安大街2055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”。