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;广东电网有限责任公司河源供电局申请的专利一种基于时空相关性的台区多用户短期负荷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：CN119539166B 。

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：202411599280.2，技术领域涉及：G06Q10/04；该发明授权一种基于时空相关性的台区多用户短期负荷预测方法及系统是由李勇琴;曾鼎骥;乔江峰;陈源君;曾拓;徐鹏展;翁颖;张宇灿;万月娥;毕晓龙;孙维;陈俊辉;宋亮;游景方;张中超设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种基于时空相关性的台区多用户短期负荷预测方法及系统在说明书摘要公布了：本发明公开了一种基于时空相关性的台区多用户短期负荷预测方法及系统，涉及电力负荷预测技术领域。包括：采用DBSCAN算法对异常负荷数据进行识别，并通过K‑means算法对用户进行聚类，用同时刻类内的均值替换异常特征值，获得优化的负荷数据集；构建综合相关性分析指标对每种影响因素与负荷之间的关联性进行量化分析，选取相关性强的影响因素作为多元负荷预测模型的输入特征；利用Informer和GCN分别在时间和空间上进行特征提取和预测，再通过方差‑协方差组合预测模型将单一预测结果进行融合实现未来某段时间的负荷预测。本发明依靠引入的台区多用户负荷时空相关信息，可以有效提高短期负荷预测精度。

本发明授权一种基于时空相关性的台区多用户短期负荷预测方法及系统在权利要求书中公布了：1.一种基于时空相关性的台区多用户短期负荷预测方法，其特征在于，具体步骤如下： 获取台区多用户用电历史负荷数据集； 采用DBSCAN算法对所述历史负荷数据集中的异常负荷数据进行识别，通过K-means算法对用户进行聚类，利用异常负荷数据所属类的同时刻类内均值替换异常负荷数据的特征值，获得优化负荷数据集； 利用综合相关性分析指标，对所述优化负荷数据集中各负荷影响因素与负荷之间的关联性进行量化分析，选取相关性强的影响因素得到预测负荷数据集，作为多元负荷预测模型的输入； 所述多元负荷预测模型利用Informer模型和GCN模型进行特征提取和预测，再通过方差-协方差组合预测模型将所述Informer模型和所述GCN模型的预测结果进行融合，得到最终负荷预测结果； 所述Informer模型在所述预测负荷数据集中选取用户H个时间步长的负荷数据作为输入，对未来p时刻的负荷进行预测，得到预测输出结果； 所述GCN模型以带权重的用户邻接矩阵和用户特征矩阵作为输入，对未来p时刻的负荷进行预测，得到输出结果； 所述带权重的用户邻接矩阵表示为： ； 其中，代表用户与用户的空间关联度，根据Pearson相关系数法计算得到，计算公式表示为： ； 其中，为用户负荷的实际观测数据序列；为用户负荷的实际观测数据序列，为序列长度； 所述用户特征矩阵B表示为： ； 其中，代表用户历史某时刻的实测负荷值； 所述方差-协方差组合预测模型分别计算所述Informer模型和所述GCN模型的组合权重系数，根据计算好的组合权重，输出未来个时刻的最终负荷预测值；所述方差-协方差组合预测模型表示为： ； 其中、分别代表所述Informer模型、所述GCN模型预测未来个时刻的负荷预测值组成的序列，代表所述最终负荷预测值组成的序列，、分别为、的权重系数，且； 权重系数、的确定方法为： 基于所述预测负荷数据集，利用所述Informer模型、所述GCN模型和所述方差-协方差组合预测模型，分别计算对应的预测结果、和； 在所述预测负荷数据集中选取时刻实测负荷数据组成序列，分别计算三种预测结果的误差序列： ； ； ； 其中，、、分别为、、对应的误差序列； 权重系数与误差序列的关系表示为： ； 最终负荷预测序列的误差方差表示为： ； 其中，为最终负荷预测序列的误差方差，为的协方差；关于对求极小值，得到： ； 。

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;广东电网有限责任公司河源供电局，其通讯地址为：510699 广东省广州市越秀区东风东路757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。