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！

龙图腾网获悉国网上海市电力公司;华东电力试验研究院有限公司;上海交通大学申请的专利基于CNN-LSTM模型和二次规划的配电网短期分层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：CN114647978B 。

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：202210238436.9，技术领域涉及：G06F30/27；该发明授权基于CNN-LSTM模型和二次规划的配电网短期分层负荷预测方法是由周健;王云;陈冉;谢海宁;朱齐;刘一涵;邢林林;张程;王美蕴;邹媛媛设计研发完成，并于2022-03-11向国家知识产权局提交的专利申请。

本基于CNN-LSTM模型和二次规划的配电网短期分层负荷预测方法在说明书摘要公布了：本发明提供一种基于CNN‑LSTM模型和二次规划的配电网短期分层负荷预测方法，包括：获取配电网中不同节点的负荷及相关数据并进行数据预处理；对每个节点分别设计预测模型输入数据集；分别建立CNN‑LSTM模型进行负荷预测；通过二次规划调整上述负荷预测结果以实现配电网短期分层负荷预测。本发明充分考虑考虑配电系统中不同节点的不同影响因素和不同周期特征以及分层结构的前提下，建立了对配网不同节点具有泛化能力的CNN‑LSTM预测模型，并通过二次规划的预测后处理技术使得调整后的负荷满足不同层次节点负荷之间的分层结构的一致性要求，实现了对配网不同节点的短期分层负荷预测。

本发明授权基于CNN-LSTM模型和二次规划的配电网短期分层负荷预测方法在权利要求书中公布了：1.一种基于CNN-LSTM模型和二次规划的配电网短期分层负荷预测方法，其特征在于，包括： S1，获取配电网中不同节点的负荷数据、当地温度数据以及日历信息，并对数据进行预处理； S2，将配电网中不同节点负荷分为温度敏感负荷与温度不敏感负荷，并对各个节点分别设计预测模型的输入数据集； S3，对配电网中不同节点，基于所述输入数据集分别建立CNN-LSTM预测模型，基于各个所述预测模型对相应节点进行未来24小时负荷预测； S4，通过基于二次规划的预测后处理技术对配电网中不同节点单独产生的负荷预测结果进行调整，得到最终的配电网不同节点短期分层负荷预测结果； 所述S2中将配电网中不同节点负荷分为温度敏感负荷与温度不敏感负荷的方法包括： 计算每一节点的日平均负荷与日平均温度之间的Pearson相关系数，将Pearson相关系数的绝对值大于预设阈值的节点负荷作为温度敏感负荷、Pearson相关系数的绝对值不大于所述预设阈值的节点负荷作为温度不敏感负荷； Pearson相关系数Pxy的计算公式如下： 式中，gi、hi为第i天对应的日平均负荷与日平均温度，为日平均负荷均值与日平均温度均值； 所述S3中，所述CNN-LSTM模型包括若干个CNN模块、LSTM模块和Dense层，每个时间步长的输入经过一个所述CNN模块得到该步长的一维特征向量，并分别作为所述LSTM模块每个时间步长的输入，经所述LSTM模块和所述Dense层得到未来24小时的负荷预测值； 所述S4中，对于配电网中具有一个聚合层节点和N个底层节点的分层结构，所述通过基于二次规划的预测后处理技术对配电网中不同节点单独产生的负荷预测结果进行调整的方法包括： 为满足层次结构要求，即在未来所有时刻t，聚合层节点的负荷预测值等于底层所有节点的负荷预测值之和，同时尽可能的减少预测值调整量，构造二次规划问题： -Δ≤u≤Δ 式中， 其中，所有节点的负荷预测值为聚合层节点的负荷预测值，为底层节点的负荷预测值，u∈Rt×N+1是调整变量，Q是调整变量u的权重矩阵，系数A＝[It，-It，...，-It]∈Rt×N+1，It是t阶单位矩阵，是验证集中预测误差的均值，M是验证集中的样本数量，yi和表示验证集中第i个样本所有节点各时刻的负荷真实值和负荷预测值，Δ＝[Δ1，…，Δt×N+1]∈Rt×N+1是调整变量u的上限，和分别是验证集中第i个样本第j个元素对应的负荷真实值和负荷预测值； 在原有预测结果上增加调整变量u以得到满足配电网层次结构要求的负荷预测结果

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国网上海市电力公司;华东电力试验研究院有限公司;上海交通大学，其通讯地址为：200126 上海市浦东新区源深路1122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”。