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！

龙图腾网获悉重庆邮电大学申请的专利一种基于模态傅里叶分解及改进Autoformer的短期电力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：CN119994871B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510055376.0，技术领域涉及：H02J3/00；该发明授权一种基于模态傅里叶分解及改进Autoformer的短期电力负荷预测方法是由邹密;李永军设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本一种基于模态傅里叶分解及改进Autoformer的短期电力负荷预测方法在说明书摘要公布了：本发明涉及一种基于模态傅里叶分解及改进Autoformer的短期电力负荷预测方法，属于电力技术领域。本发明方法包括影响因素相关性分析模块、模态傅里叶联合分解模块与改进Autoformer的集成模块三个部分。本发明提出的短期电力负荷预测方法，在负荷呈现出复杂的非线性特征、噪声干扰以及明显的季节性波动的情况下，具有较高的预测精度与较强的鲁棒性。进行负荷分解测试、鲁棒性测试、一周测试及一天测试，实验结果表明，模态傅里叶联合分解模块显著降低负荷分量的复杂度，本发明所提方法较传统模型有更好的鲁棒性，在一周和一天的测试中具有较高的稳定性，并有最高预测精度。

本发明授权一种基于模态傅里叶分解及改进Autoformer的短期电力负荷预测方法在权利要求书中公布了：1.一种基于模态傅里叶分解及改进Autoformer的短期电力负荷预测方法，其特征在于：该方法包括以下步骤： S1：利用斯皮尔曼相关系数法进行负荷与其他影响因素的相关性分析，筛选出关键影响因素； S2：将完全自适应噪声集合经验模态分解CEEMDAN与快速傅里叶变换FFT结合，提出基于模态傅里叶联合分析法MFJA，实现原始电力负荷的分解； S3：建立关键影响因素与负荷分量的负荷分量数据集； S4：引入时间卷积网络TCN对Autoformer中自相关模块进行改进；所述S4包括以下步骤： 1将查询矩阵Q和键矩阵K进行线性变换后，通过FFT得到频域表示，进行拼接得到频域特征Zf； 2将值矩阵V进行线性变换得到V1； 3将频域特征Zf通过逆傅里叶变换IFFT回到时域得到时域特征Zt； 4对Zt、V1进行延时聚合，得到延时聚合后的时域特征Zg，Zc为拼接后的结果； 5拼接后的特征通过TCN结构进行多尺度的特征提取，并通过线性层进行输出； S5：针对各负荷分量数据集建立集成IAutoformer模型，并进行预测； S6：融合各模型的预测值，输出最终预测结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路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。