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！

龙图腾网获悉南京信息工程大学申请的专利一种基于SLSTM-RMTN模型的电力负荷预测方法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：CN119853023B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510329275.8，技术领域涉及：H02J3/00；该发明授权一种基于SLSTM-RMTN模型的电力负荷预测方法是由朱鹏程;严颖;杜文杰;蔡骏;岳昊澜;房奕航;潘雨轩;邢宇杰设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本一种基于SLSTM-RMTN模型的电力负荷预测方法在说明书摘要公布了：本发明涉及一种基于SLSTM‑RMTN模型的电力负荷预测方法，针对目标电力系统，设计以数据值的STL分解为出发，分别针对趋势分量、季节分量、残差分量，筛选各分量分别对应的目标传感器，针对包含长短期记忆网络、残差连接、多项式展开所构成的目标待训练网络进行训练，获得各分量下的电力负荷预测模型，然后在预测应用下，针对采样数据，分别执行各分量下电力负荷预测模型的预测，并进行融合，完成对目标电力系统的电力负荷预测；设计方案在应用中，能够准确地捕获电力负荷数据的时间序列特性，减少数据维度，显著提高了模型的精度和泛化能力，能够优化电力资源配置，平衡供需关系。

本发明授权一种基于SLSTM-RMTN模型的电力负荷预测方法在权利要求书中公布了：1.一种基于SLSTM-RMTN模型的电力负荷预测方法，其特征在于：执行如下步骤A至步骤D，获得目标电力系统所对应的电力负荷预测模型，然后执行步骤i至步骤iv，针对目标电力系统进行电力负荷预测； 步骤A.获得目标电力系统分别对应预设历史时段内各采样时刻下预设各初选传感器的数据值、以及电力负荷的数据值，并进行数据预处理更新，然后进入步骤B； 步骤B.分别针对各采样时刻下各初选传感器的数据值、以及电力负荷的数据值，执行STL分解，获得数据值分别对应趋势分量的数据值、季节分量的数据值、残差分量的数据值，然后进入步骤C； 步骤C.分别针对趋势分量、季节分量、残差分量，筛选获得分量下与电力负荷相关性值大于预设相关阈值的各初选传感器，构成分量所对应各目标传感器，然后进入步骤D； 步骤D.分别针对趋势分量、季节分量、残差分量，以分量所对应各目标传感器、以及电力负荷分别对应分量下预设数量m个连续采样时刻的数据值为输入，结合电力负荷对应分量下第m+1个采样时刻的数据值为输出，针对目标待训练网络进行训练，获得目标电力系统对应分量下的电力负荷预测模型，进而获得目标电力系统分别对应趋势分量、季节分量、残差分量下的电力负荷预测模型，组合构成目标电力系统所对应的电力负荷预测模型；步骤i.汇总趋势分量、季节分量、残差分量分别所对应的各目标传感器，并基于自当前采样时刻起向历史时间方向的m个连续采样时刻构成各个目标采样时刻，采集目标电力系统分别对应各目标采样时刻下全部各目标传感器的数据值、以及电力负荷的数据值，然后进入步骤ii； 步骤ii.分别针对各目标采样时刻下全部各目标传感器的数据值、以及电力负荷的数据值，执行STL分解，获得数据值分别对应趋势分量的数据值、季节分量的数据值、残差分量的数据值，然后进入步骤iii； 步骤iii.以当前采样时刻向未来时间方向的下一相邻采样时刻为预测时刻，分别针对趋势分量、季节分量、残差分量，以各目标采样时刻下分量所对应各目标传感器、以及电力负荷分别对应分量下的数据值为输入，应用目标电力系统对应分量下的电力负荷预测模型，获得预测时刻下电力负荷对应分量下的数据值，进而获得预测时刻下电力负荷分别对应趋势分量、季节分量、残差分量的数据值，然后进入步骤iv； 步骤iv.针对预测时刻下电力负荷分别对应趋势分量、季节分量、残差分量的数据值，执行相加处理，获得目标电力系统对应预测时刻下的电力负荷。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。