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！

龙图腾网获悉山东浪潮科学研究院有限公司申请的专利储电设备供电量预测方法、装置及计算机可读介质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：CN114154781B 。

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：202111218790.7，技术领域涉及：G06Q10/0631；该发明授权储电设备供电量预测方法、装置及计算机可读介质是由段强;李锐;张晖设计研发完成，并于2021-10-20向国家知识产权局提交的专利申请。

本储电设备供电量预测方法、装置及计算机可读介质在说明书摘要公布了：本发明公开了储电设备供电量预测方法、装置及计算机可读介质，属于机器学习技术领域，要解决的技术问题为如何预测用电量并对储电设备供电功率进行预测指导。包括如下步骤：以一个小时为收集周期，收集每天家庭用电节点及用电设备的用电量作为历史用户量数据并存储至边缘设备；构建用电预测模型，基于历史用电量数据训练所述用电预测模型；构建发电预测模型，基于历史发电量数据和天气数据训练所述发电预测模型；构建供电功率预测模型，所述供电功率模型中配置有代价函数；优化上述代价函数，基于优化后代价函数，根据时段进行pv值的优选，得到供电功率预测。

本发明授权储电设备供电量预测方法、装置及计算机可读介质在权利要求书中公布了：1.储电设备供电量预测方法，其特征在于包括如下步骤： 以一个小时为收集周期，收集每天家庭用电节点及用电设备的用电量作为历史用电量数据并存储至边缘设备； 构建用电预测模型，所述用电预测模型为以用电量数据为输入、以每天的用电量波动周期、用电量变化趋势以及用电量随机波动残差为输出的时序模型，基于历史用电量数据训练所述用电预测模型； 构建发电预测模型，所述发电预测模型为以天气数据为输入、发电量数据为输出的线性回归模型，基于历史发电量数据和天气数据训练所述发电预测模型； 构建供电功率预测模型，所述供电功率模型中配置有代价函数； 通过训练后用电预测模型获取当前时刻的用电功耗，通过训练后发电预测模型获取当前时刻的发电功率，并获取当前电价以及储电设备的剩余电量数据，优化上述代价函数，基于优化后代价函数，得到供电功率预测； 所述时序模型包括： 连续时序模型，所述连续时序模型共一个，以连续N周的用电量数据为输入，预测并输出每天以小时为单位的用电量波动周期、用电量变化趋势以及用电量随机波动残差为输出； 离散时序模型，所述离散时序模型共七个，一周的周一至周日每天对应一个离散时序模型，对于每个离散时序模型，一周中与其对应的一天为作为目标天，以M周中所有目标天的用电量数据为输入，预测并输出目标天的以小时为单位用电量波动周期、用电量变化趋势以及用电量随机波动残差； 所述N为大于4的自然数，M为大于8的自然数； 通过训练后的用电预测模型得到用电功耗预测的计算公式为： ， 其中，表示对离散时序模型的预测值的求和， 表示对连续时序模型的预测值求和； 表示连续时序模型一天中时刻的预测值； 通过梯度下降方法优化上述代价函数，包括如下步骤： 通过迭代实验确定步长L和常数max，所述常数max为限制随机梯度下降次数的上限； 对于每次迭代，将数据进行batch加载并计算梯度，当前梯度的计算公式为： ， 为当前样本数，为当前的样本值，表示第个样本的函数映射的梯度； 从中减去并加入，中的表示第次梯度下降，其中，属于中随机值且符合分布：； 将的梯度更新为，根据进行梯度更新； 所述天气数据包括温度、湿度和云量。

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浪潮科学研究院有限公司，其通讯地址为：250100 山东省济南市高新浪潮路1036号S02号楼；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”。