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！

龙图腾网获悉华南理工大学申请的专利一种多能负荷短期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：CN115271161B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202210681305.8，技术领域涉及：G06Q10/04；该发明授权一种多能负荷短期预测方法是由谢敏;林盛振;叶佳南;张世平;刘明波设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本一种多能负荷短期预测方法在说明书摘要公布了：本发明公开了一种多能负荷短期预测方法，包括：获取数据；进行数据预处理，并执行动态Copula相关分析与负荷模糊聚类分析；基于模糊优化曲线形态分析算法，对每类负荷曲线簇分别进行特征识别提取；基于统计频率分布，计算判别得到每类负荷曲线簇的总体特征分布集合；基于机器学习算法分类建立组合负荷预测模型，依据每类负荷曲线簇的历史特征数据进行组合模型训练；用概率转移链模型判断预测时段负荷所属的分类，基于该类训练完成的负荷预测模型进行负荷特征的预测，并针对未来用电特征展开分析。两阶段式模糊优化负荷特征识别组合模型相较于传统模型在计算效率与具体性能上均有高效的提升，能够适应实际多能负荷预测工作的发展动态。

本发明授权一种多能负荷短期预测方法在权利要求书中公布了：1.一种多能负荷短期预测方法，其特征在于，包括： 获取数据，所述数据包括多能负荷历史曲线以及负荷影响因素的历史信息； 进行数据预处理，并执行动态Copula相关分析与负荷模糊聚类分析； 基于模糊优化曲线形态分析算法，对每类负荷曲线簇分别进行特征识别提取，实现负荷初次特征提取； 基于统计频率分布，计算判别得到每类负荷曲线簇的总体特征分布集合，实现负荷二次特征提取； 基于机器学习算法分类建立组合负荷预测模型，依据每类负荷曲线簇的历史特征数据进行组合模型训练； 利用概率转移链模型判断预测时段负荷所属的分类，基于该类训练完成的负荷预测模型进行负荷特征的预测，并针对未来用电特征展开分析； 基于拟合重构技术，重构预测特征至负荷曲线原始维度，完成负荷预测； 所述基于机器学习算法分类建立组合负荷预测模型，依据每类负荷曲线簇的历史特征数据进行组合模型训练包括： 经由两阶段形式的模糊优化负荷特征识别提取后，输出的统一负荷特征集合能够与多种机器学习模型进行结合，形成组合预测模型； 所述组合预测模型采用NARX神经网络模型，NARX神经网络模型的输入-输出关系由下式进行描述： 式1中，I·为NARX模型的输入，O·为NARX模型的输出，F·是典型的非线性激励函数，n则为外部输入以及自身输出的时延阶数； 所述基于统计频率分布，计算判别得到每类负荷曲线簇的总体特征分布集合包括： 基于模糊优化阈值的曲线形态分析算法完成对某一类负荷曲线簇中全体负荷曲线各自的负荷特征初次提取后，应用统计频率分布的思想，二次提取该类负荷曲线簇的总体特征；记该类负荷曲线簇在负荷特征识别提取过程中产生的所有不重复的m个负荷特征编号集合为I＝[I1,I2,…,Ii,…,Im]，相应的出现频次为G＝[g1,g2,…,gi,…,gm]，则对于该类负荷曲线簇的各负荷特征统计频率由公式19计算得到； 然后，由公式20判断该负荷特征是否适合作为该类负荷曲线簇的总体特征之一；若满足公式20，则其对应的Ii加入到更新的该类负荷曲线簇的特征编号集合I′中，即Ii∈I′； 最终，经过模糊优化阈值的曲线形态分析算法初次特征提取以及统计频率分布二次特征提取计算所得到的集合I′，即作为该类负荷曲线簇的总体特征标志。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。