山东大学孙波获国家专利权
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！
龙图腾网获悉山东大学申请的专利基于两阶段智能特征工程的负荷超短期预测方法及系统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：CN116011655B 。
龙图腾网通过国家知识产权局官网在2025-09-05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：202310041816.8，技术领域涉及：G06Q10/04；该发明授权基于两阶段智能特征工程的负荷超短期预测方法及系统是由孙波;于彬彬;李建靖设计研发完成，并于2023-01-12向国家知识产权局提交的专利申请。
本基于两阶段智能特征工程的负荷超短期预测方法及系统在说明书摘要公布了：本公开属于电力系统技术领域，具体涉及一种基于两阶段智能特征工程的负荷超短期预测方法及系统，包括：获取电力负荷的历史数据；对所获取的电力负荷历史数据进行聚类分析，得到最优历史日负荷曲线；根据所得到的最优历史日负荷曲线和预设的预测模型，完成电力负荷的超短期预测；其中，预设的预测模型采用组合式预测模型，通过极限学习机来构建超短期预测模型，结合贝叶斯优化极限学习机，实现对电力负荷的超短期预测。
本发明授权基于两阶段智能特征工程的负荷超短期预测方法及系统在权利要求书中公布了：1.一种基于两阶段智能特征工程的负荷超短期预测方法，其特征在于，包括： 获取电力负荷的历史数据； 对所获取的电力负荷历史数据进行聚类分析，得到最优历史日负荷曲线； 根据所得到的最优历史日负荷曲线和预设的预测模型，完成电力负荷的超短期预测； 其中，预设的预测模型采用组合式预测模型，通过极限学习机来构建超短期预测模型，结合贝叶斯优化极限学习机，实现对电力负荷的超短期预测； 通过时间序列分解法将最优历史日负荷曲线中的电力负荷序列分解成电力负荷周期分量、电力负荷趋势分量和电力负荷残余分量，得到细粒度数据；利用卷积神经网络和长短记忆神经网络学习电力负荷趋势分量的时空特征，获得下一日负荷趋势预测值； 在获得下一日负荷趋势预测值的过程中，通过混合深度学习模型对最优历史日负荷曲线中的电力负荷序列进行训练，其输出层的输出值即为下一日负荷趋势预测值；所述混合深度学习模型包括时间序列分解模块、卷积神经网络空间特征提取模块、长短记忆神经网络时间特征提取模块和输出层。
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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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”。
以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号