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！

龙图腾网获悉华中科技大学申请的专利一种家庭电力负荷概率预测方法及应用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：CN115775051B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202211632256.5，技术领域涉及：G06Q10/04；该发明授权一种家庭电力负荷概率预测方法及应用是由李远征;张富绅;周纯杰;赵勇;曾志刚设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本一种家庭电力负荷概率预测方法及应用在说明书摘要公布了：本发明公开了一种家庭电力负荷概率预测方法及应用，属于家庭负荷预测技术领域；考虑到家庭负荷数据的时间相关性，采用神经网络模型对时间序列进行建模；针对家庭负荷的强不确定性，采用稀疏高斯过程回归模型进行不确定性表征；此外，在模型训练的过程中，构建了离线‑在线双模式学习方式，通过离线学习保障了神经网络模型的初始性能，通过在线学习实时更新稀疏高斯过程回归模型中的后验分布以及神经网络模型中的参数，增强了神经网络模型和稀疏高斯过程回归模型的精度和适应性，从实时数据中学习了居民用电行为的不确定性；本发明充分考虑了家庭负荷的时间相关性和强不确定性，可以动态捕获家庭电力负荷的变化趋势，能够准确对家庭负荷进行预测。

本发明授权一种家庭电力负荷概率预测方法及应用在权利要求书中公布了：1.一种家庭电力负荷概率预测方法，其特征在于，包括以下步骤： S1、对当前待预测时刻t下的负荷特征向量进行预处理后，输入到神经网络模型中进行非线性映射，得到时刻t下的映射特征；所述时刻t下的负荷特征向量包括：时刻t之前T时间段内的家庭电力负荷值和待预测时刻t的日历变量； S2、将所述时刻t下的映射特征输入到稀疏高斯过程回归模型中，从而对时刻t下的家庭电力负荷进行概率预测，得到时刻t下家庭电力负荷的预测均值和预测方差； 其中，所述神经网络模型和稀疏高斯过程回归模型通过在线学习的方式训练得到，具体为：每预测得到一个时刻下家庭电力负荷的预测均值和预测方差后，采集该时刻下的真实负荷值，并基于该时刻下的映射特征、以及该时刻下家庭电力负荷的预测均值和预测方差，对所述稀疏高斯过程回归模型的参数进行在线更新，与此同时，通过最小化该时刻下的真实负荷值与预测均值之间的差异，对所述神经网络模型中的参数进行在线更新； 所述神经网络模型在进行在线学习之前通过离线学习的方式进行初始化，具体包括：对训练数据集中的各历史时刻下的负荷特征向量进行预处理后，输入到负荷预测模型中，并通过最小化所述负荷预测模型输出的各历史时刻下的负荷预测值与对应实际负荷值之间的差异，对所述负荷预测模型中的参数进行更新；所述负荷预测模型包括级联的所述神经网络模型和全连接层。

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中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。