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！

龙图腾网获悉西安电子科技大学申请的专利基于鲸鱼优化算法和类型识别的VMD-GRU短期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：CN117195947B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202311279093.1，技术领域涉及：G06N3/006；该发明授权基于鲸鱼优化算法和类型识别的VMD-GRU短期负荷预测方法是由诸文智;张新崇;李莎设计研发完成，并于2023-09-28向国家知识产权局提交的专利申请。

本基于鲸鱼优化算法和类型识别的VMD-GRU短期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鲸鱼优化算法和类型识别的VMD‑GRU短期负荷预测方法，包括：获取待预测日之前n1个负荷日的特征量以及待预测日t之前n2个负荷日的负荷日类别，组成特征Xlabel，并输入至随机森林分类模型，获得待预测日的负荷日类别；将待预测日t之前n3个负荷日的负荷量和特征量输入至每种负荷日类别下各个分量模型，并根据每种负荷日类别下各个分量模型的输出，确定每种负荷日类别对应的当前预测结果；获取随机森林分类模型在训练过程中使用验证集测试得到的准确率；根据准确率及负荷日类别确定权重，并对所有负荷日类别对应的当前预测结果进行加权，得到待预测日的负荷预测结果。本发明具有更强的模式识别的能力，提高了特定场景下负荷预测的准确率。

本发明授权基于鲸鱼优化算法和类型识别的VMD-GRU短期负荷预测方法在权利要求书中公布了：1.一种基于鲸鱼优化算法和类型识别的VMD-GRU短期负荷预测方法，其特征在于，包括： 获取待预测日之前个负荷日的特征量以及待预测日之前个负荷日的负荷日类别，组成特征； 将所述特征输入至预先训练好的随机森林分类模型，获得所述待预测日的负荷日类别，，表示种负荷日类别； 将所述待预测日之前个负荷日的负荷量和特征量输入至每种负荷日类别下各个预先训练好的分量模型，并根据每种负荷日类别下各个预先训练好的分量模型的输出，确定每种负荷日类别对应的当前预测结果； 获取所述随机森林分类模型在训练过程中使用验证集测试得到的准确率； 根据所述准确率及所述负荷日类别确定权重，并对所有负荷日类别对应的当前预测结果进行加权，得到待预测日的负荷预测结果； 所述分量模型按照如下步骤进行训练： 以15mins的时间分辨率采集N个包含样本特征量和负荷量的样本数据，构建得到第一数据集，其中，特征量数据集，表示包含个样本特征量，负荷量数据集，表示与分别对应的负荷量； 将所述第一数据集转化为以天为单位的第二数据集，其中，、分别表示以天为单位的特征量集合以及以天为单位的负荷量数据集，分别表示以天为单位的个样本特征量，分别表示与对应的以天为单位的负荷量； 对所述第二数据集进行聚类，得到种负荷日类别后，基于所述第二数据集生成每种负荷日类别下的负荷量序列和特征量序列，并针对各个负荷量序列进行变分模态分解，得到多个IMF分量； 根据所述特征量序列和所述IMF分量构建分量数据集，并利用所述分量数据集分别训练得到每种负荷日类别下的各个分量模型； 对所述第二数据集进行聚类，得到种负荷日类别后，基于所述第二数据集生成每种负荷日类别下的负荷量序列，并针对各个负荷量序列进行变分模态分解，得到多个IMF分量的步骤，包括： 利用K-means算法对所述以天为单位的负荷量数据集进行聚类，得到种负荷日类别； 基于所述第二数据集生成每种负荷日类别下的负荷量序列； 利用鲸鱼优化算法，搜索每种负荷日类别下的负荷量序列进行变分模态分解时的最优参数，所述最优参数包括：模态分量个数M和惩罚因子； 基于所述最优参数，对每种负荷日类别下的负荷量序列进行变分模态分解，得到多个IMF分量。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。