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！

龙图腾网获悉杭州电子科技大学申请的专利基于层次残差自注意力神经网络的长期电力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：CN114529051B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202210048738.X，技术领域涉及：G06Q10/04；该发明授权基于层次残差自注意力神经网络的长期电力负荷预测方法是由占翔昊;寇亮;张纪林;周丽;袁俊峰设计研发完成，并于2022-01-17向国家知识产权局提交的专利申请。

本基于层次残差自注意力神经网络的长期电力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层次残差自注意力神经网络的长期电力负荷预测方法。本发明包括三部分的内容：第一，自适应的提取历史负荷数据中的趋势项，周期项，节假日项，天气项的混合特征数据并与历史负荷序列数据融合。第二，对融合后的序列数据进行时间分量递归分解，并利用层次残差自注意力网络块对时间分量进行编码，第三，重建时间分量，进行生成式解码，预测未来一段时间的电力负荷波动。本发明通过层次化的对负荷序列进行拆解，重建，预测，有效的捕捉了序列的长短期特征，提升了模型在长序列负荷预测场景下的预测精度。

本发明授权基于层次残差自注意力神经网络的长期电力负荷预测方法在权利要求书中公布了：1.基于层次残差自注意力神经网络的长期电力负荷预测方法，其特征在于该方法包括以下步骤： 步骤1.从时序数据库中获取机组负荷序列的源数据和传感器监测到的天气数据； 步骤2.对源数据进行数据清洗，从清洗后的历史负荷数据与天气数据中进行特征提取，分别提取出负荷波动的趋势项，周期项，节假日项，天气项四大特征；将历史负荷序列数据与天气特征数据进行数据融合得到融合向量，用于下一步神经网络建模的输入；具体包括：使用卷积神经网络在原始负荷序列中提取出整体趋势项和周期项特征； 针对时间序列的非线性和时变性特征，将其通过浅层的神经网络进行特征分解，在分解之前，对数据进行数据清洗，对数据进行分析并且剔除其中偏移量过大的值；定义了一个混合的序列分解层神经网络，原始输入为Xinput按照以下过程，生成趋势项Xtrend特征和周期项Xperiod特征： Xtrend＝MovingAvgXinput Xperiod＝Xinput-Xtrend 其中MovingAvg是移动平均函数，使用一个一维卷积的平均池化操作得到； 使用独热编码方式对节假日项与天气项进行特征提取，最后使用加性思想对源负荷序列与所有提取出的特征数据进行水平拼接，通过一个全连接层进行转换得到融合后的时序特征向量； 步骤3.利用层次残差自注意力神经网络对输入序列进行编码，提取并挖掘其中的重要特征，进行模型训练；具体包括：采用递归的思想，层次性地对时序特征向量进行特征降采样分解，使用残差自注意力网络对每层分解后的时序分量进行特征挖掘，在达到分解深度的基础上，将挖掘出的特征按照原相对位置进行重新组合，通过一个一维卷积层转换为预测结果，按此方式不断进行迭代，使用Adam算法作为优化算法，使用预测值与真实值之间的均方误差作为损失函数，进行模型训练； 步骤4.对待预测的源历史负荷数据提取出来的特征进行生成式编码，预测下一个时间步范围内的负荷序列；具体包括：将待预测的源负荷数据通过步骤2，3进行特征转换，将转换后的特征与初始化为预测长度的全零向量进行拼接，将拼接后的向量通过步骤3训练出的模型，进行生成式编码，预测出未来一整段的负荷序列波动。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街；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”。