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！

龙图腾网获悉西安热工研究院有限公司申请的专利一种基于集成学习的在线机组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：CN114022021B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202111357431.X，技术领域涉及：G06Q10/0631；该发明授权一种基于集成学习的在线机组负荷预测方法是由周东阳;曹军;万松森;王承文;郑小刚;刘爱君;安玉强;唐贝;张骁;王帆;宋志坚;蔡连成设计研发完成，并于2021-11-16向国家知识产权局提交的专利申请。

本一种基于集成学习的在线机组负荷预测方法在说明书摘要公布了：本发明公开了一种基于集成学习的在线机组负荷预测方法，该方法包括：首先从数据库读取过去一个月的机组负荷历史数据，其次对该数据进行预处理，按照拉依达准则对粗大值进行检测，检测出来的粗大值使用向后填充的方式进行处理。进一步对预处理后数据进行特征提取，包括时间特征、相关性特征和聚合特征，构建特征数据集；通过该特征数据集训练极限梯度提升和轻量级高效梯度提升模型，并通过LGBM模型的预测结果和原始特征数据训练长短期记忆神经网络模型；最后将这三个模型输出结果作为三个输入来训练线性回归模型输出最后的负荷预测结果。在模型训练阶段，以预测平均误差最小为原则，调整网络参数，从而建立最优的机组负荷预测模型。

本发明授权一种基于集成学习的在线机组负荷预测方法在权利要求书中公布了：1.一种基于集成学习的在线机组负荷预测方法，其特征在于，包括以下步骤： 1从机组SIS数据库中获取前一个月的负荷历史运行数据，得到原始数据样本D； 2对原始数据样本D进行数据预处理，根据拉依达准则去除粗大误差，处理后的样本记为CD； 3对样本CD进行特征提取，包括时间特征、相关性特征和聚合特征，建立特征数据样本TD； 4将TD输入极限梯度提升和轻量级高效梯度提升模型，对应输出结果分别记为XD和LD1； 5将TD和LD1进行拼接并作为全连接层Dense1，输入长短期记忆神经网络，输出结果记为LD2；所述的拼接是将TD和LD进行矩阵拼接，并非对应元素相加； 6最后将XD、LD1和LD2进行拼接并作为全连接层Dense2，输入线性回归模型，得到最后的输出结果，即最终的机组负荷预测结果；线性回归模型通过加法模型将XD、LD1和LD2结果进行线性组合，训练时不断改变权值来减小预测残差以获得满意的训练结果。

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西安热工研究院有限公司，其通讯地址为：710048 陕西省西安市碑林区兴庆路136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”。