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！

龙图腾网获悉山东大学申请的专利一种基于深度迁移学习的节假日负荷预测方法及系统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：CN118676910B 。

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：202410791742.4，技术领域涉及：H02J3/00；该发明授权一种基于深度迁移学习的节假日负荷预测方法及系统是由杨明;于一潇;李梦林;张玉敏;李鹏;刘昊设计研发完成，并于2024-06-19向国家知识产权局提交的专利申请。

本一种基于深度迁移学习的节假日负荷预测方法及系统在说明书摘要公布了：本发明涉及一种基于深度迁移学习的节假日负荷预测方法及系统，属于电力负荷预测技术领域。首先构建改进Transformer的域对抗迁移学习网络，将Transformer模型的Decoder结构丢弃，以Transformer模型的Encoder部分作为域迁移学习的分类预测器，利用常规负荷样本作为源域、节假日负荷样本作为目标域对模型进行预训练，最大限度地挖掘常规负荷与节假日负荷的相似信息和最优可共享模型参数；最后将域对抗学习网络的训练得到的改进Transformer模型作为预训练模型，以节假日负荷样本数据作为目标域，采用Adapter方法对预训练模型参数进行微调，提升节假日负荷预测的针对性和精度。

本发明授权一种基于深度迁移学习的节假日负荷预测方法及系统在权利要求书中公布了：1.一种基于深度迁移学习的节假日负荷预测方法，其特征在于，步骤如下： （1）将数据集划分为源域和目标域； （2）构建域对抗迁移学习网络的的特征提取器与分类预测器，挖掘源域与目标域之间的相似性，获得共享网络参数，域对抗迁移学习网络的特征提取器为Transformer模型Encoder侧的嵌入网络，对输入数据进行特征提取，分类预测器采用Transformer模型的Encoder部分； （3）将域对抗迁移学习网络训练得到的特征提取器与分类预测器作为预训练模型，对特征提取器网络参数进行固定，采用AdapterTuning迁移学习模型对分类预测器进行参数微调，AdapterTuning迁移学习模型包括输入层、Transformer-Adapter层和预测层； 输入层：将节假日相关样本进行预处理，通过输入预训练好的改进Transformer编码器模型中； Transformer-Adapter层：针对负荷的非线性和时变性特征，通过将Adapter模块嵌入Transformer模型的Encoder部分，固定预训练的Transformer模型的Encoder注意力机制部分，利用节假日负荷样本进行训练，对Adapter模块和全连接层进行网络参数微调； 预测层：全连接层的输出为预测值，通过Transformer模型的Encoder部分获取到特征信息后，利用预测层实现负荷预测； （4）利用分类预测器进行负荷预测。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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”。