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！

龙图腾网获悉南京理工大学申请的专利基于最大互信息系数与深度学习的配电网线损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：CN114881338B 。

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：202210544270.3，技术领域涉及：G06Q10/04；该发明授权基于最大互信息系数与深度学习的配电网线损预测方法是由王杰;罗李子;黄亦铖;唐兆杰;孙金生设计研发完成，并于2022-05-18向国家知识产权局提交的专利申请。

本基于最大互信息系数与深度学习的配电网线损预测方法在说明书摘要公布了：本发明提供基于最大互信息系数与深度学习的配电网线损预测方法，以实际配电网历史线损数据、气候气象数据作为特征变量，计算特征变量与待预测时刻线损之间的最大互信息系数；搭建由输入层、多层LSTM单元、Dropout层及输出层的配电网线损预测模型；选取最大互信息系数值大于M的特征变量作为特征集，在特征集中按照最大互信息系数值由高到低依次选取特征作为配电网线损预测模型的输入，并结合模型预测误差构建最优输入特征集，实现配电网线损精准预测。本发明的配电网线损预测方法，能够定量分析配电网历史多时刻线损特征、气候气象特征与待预测时刻线损之间的关联度，构建完整有效的模型输入特征集，降低模型训练复杂度，提升线损预测模型的预测精度。

本发明授权基于最大互信息系数与深度学习的配电网线损预测方法在权利要求书中公布了：1.一种基于最大互信息系数与深度学习的配电网线损预测方法，其特征在于，该方法包括如下步骤： （1）获取配电网线损历史数据和对应的气候气象数据，基于预测时刻前不同时段配电网线损历史数据、预测时刻前不同时段气候气象数据构建特征变量，以预测时刻线损数据作为输出特征，分别计算各特征变量与输出特征的最大互信息系数； （2）建立由输入层、多层LSTM单元、Dropout层、输出层组成的配电网线损预测模型；选取最大互信息系数值大于M的n个特征变量作为特征集，进而在特征集中按照最大互信息系数值由高到低依次选取特征变量作为配电网线损预测模型的输入，选取特征个数记为m，初始值为1； （3）根据构建的配电网线损预测模型与输入特征，迭代训练、测试线损预测模型，得到模型预测误差，并判断m是否小于n，若是，则m=m+1，返回继续迭代训练、测试线损预测模型，否则结束模型训练； （4）根据得到的模型预测误差，确定配电网线损预测模型最优输入特征集，根据最优输入特征集采集数据，输入配电网线损预测模型，实现配电网线损预测。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。