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！

龙图腾网获悉广东电网有限责任公司广州供电局申请的专利短期电荷负荷时序方法、装置、设备及可读存储介质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：CN118171767B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202410272187.4，技术领域涉及：G06Q10/04；该发明授权短期电荷负荷时序方法、装置、设备及可读存储介质是由高艳娜;李欣;梁毅;董红;胡柳君;林紫菡;曾繁宏;高毓群;王超;程志;王志会;黄晶晶;樊冬梅;张晨曦;郭子轩;林立祥;刘巍巍;方明设计研发完成，并于2024-03-11向国家知识产权局提交的专利申请。

本短期电荷负荷时序方法、装置、设备及可读存储介质在说明书摘要公布了：本申请提供一种短期电荷负荷时序预测方法、装置、设备及可读存储介质，本申请可以获取电力负荷历史数据集后，可以进一步采用预设的负荷序列预测模型，对所获取的电力负荷历史数据集的各个负荷序列进行处理，由此可以得到短期电力负荷时序，预设的负荷序列预测模型可以以训练电力负荷历史数据集为样本，以训练电力负荷历史数据集中包括的短期电力负荷时序为样本标签，训练得到。通过预设的负荷序列预测模型对电力负荷历史数据集进行处理，可以针对负荷预测随机性，合理分解负荷序列，去除系统性误差和噪声干扰的影响，还可以提升负荷预测模型的收敛速度，避免陷入局部最优解，增强全局搜索能力，提高预测精度保证负荷预测精度。

本发明授权短期电荷负荷时序方法、装置、设备及可读存储介质在权利要求书中公布了：1.一种短期电荷负荷时序预测方法，其特征在于，包括： 获取电力负荷历史数据集，其中，所述电力负荷历史数据集包括至少一个负荷序列； 采用预设的负荷序列预测模型，对所述电力负荷历史数据集的各个负荷序列进行处理，得到短期电力负荷时序，其中，所述预设的负荷序列预测模型包括负荷序列分解模块、粒子群适应度排序模块、混沌扰动模块以及短期电力负荷预测模块，其中，所述负荷序列分解模块包括隐含层，所述预设的负荷序列预测模型以训练电力负荷历史数据集为样本，以所述训练电力负荷历史数据集中包括的短期电力负荷时序为样本标签，训练得到； 所述电力负荷历史数据集包括时间信息、负荷值、负荷类型、地理位置信息、天气信息、特殊事件信息、用户信息和其他与电力系统相关的参数； 所述预设的负荷序列预测模型的预测过程，包括： 采用小波基函数作为所述负荷序列分解模块的隐含层的节点传递函数，同时将所述预设的负荷序列预测模型的信息沿误差方向和输出方向传递； 利用所述负荷序列分解模块对所述训练电力负荷历史数据集中的电力负荷序列进行分解，确定所述训练电力负荷历史数据集中的电力负荷序列的低频信号和高频信号； 利用所述负荷序列分解模块降低所述训练电力负荷历史数据集中的电力负荷序列的低频信号和高频信号的冗余性，确定所述训练电力负荷历史数据集中的电力负荷序列的规律信号； 利用所述粒子群适应度排序模块优化所述预设的负荷序列预测模型的连接权值和阈值； 利用所述混沌扰动模块提升所述预设的负荷序列预测模型的局部搜索精度； 依据适应度函数获得所述训练电力负荷历史数据集中的电力负荷序列的适应度值，并依据所述训练电力负荷历史数据集中的电力负荷序列的适应度值确定所述训练电力负荷历史数据集中的满足预设的结束条件的全局最优的电力负荷序列信息，重构各个电力负荷序列的最优预测结果，并最终获得基于全局的最优的电力负荷序列的预测结果； 其中， 所述预设的结束条件为最终所保存的电力负荷序列总数大于或等于所述训练电力负荷历史数据集的全部电力负荷序列。

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广东电网有限责任公司广州供电局，其通讯地址为：510620 广东省广州市天河区天河南二路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”。

以上内容由龙图腾AI智能生成。