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！

龙图腾网获悉国电南瑞科技股份有限公司;国网电力科学研究院有限公司申请的专利一种电力时序预测数据集构建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：CN120892824B 。

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：202511440207.5，技术领域涉及：G06F18/214；该发明授权一种电力时序预测数据集构建方法及系统是由杨波;姜炜超;张琪培;旷文腾;胡远征;韩彬;杨翼泽;高宇;伍林;李红;周捷;滕贤亮设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种电力时序预测数据集构建方法及系统在说明书摘要公布了：本发明公开了一种电力时序预测数据集构建方法及系统，所述方法包括获取电力负荷与天气数据，构成电力数据集并进行清洗对齐；同时获取能源、气象等多源公共时序数据；将两类数据统一格式化并归一化处理，提取时频特征并计算序列间相似度，筛选出与电力负荷显著相关的公共数据；采用动态采样加权方法为每条数据分配权重，设定采样频率，最终构建出用于大模型预训练与微调的异构电力时序数据集；本发明通过整合多源异构数据，构建统一的标准化数据格式，并基于时间戳对齐与多源数据融合，显著提高了数据的一致性和可用性，提升了数据融合效率与模型泛化能力。

本发明授权一种电力时序预测数据集构建方法及系统在权利要求书中公布了：1.一种电力时序预测数据集构建方法，其特征在于，包括以下步骤： 步骤S1、获取来自电力传感器、调度中心、用户终端及天气预报系统的电力负荷数据与天气数据，构成电力数据集； 步骤S2、对所述电力数据集中的时序数据，依据时间戳对齐电力负荷数据与天气数据，检测其中的突变值及连续恒定值，通过填充或丢弃完成数据清洗； 步骤S3、从公开数据源获取涵盖能源、气象、交通及金融领域的多源时序数据，构成公共数据集； 步骤S4、将清洗后的电力数据集中的数据转换为统一格式，所述统一格式包含的特征字段包括：目标target、开始时间start、时序频率freq及数据编号item_id；可选特征字段包括：动态协变量feat_dynamic_real和静态协变量feat_static_real中的零种、一种或两种；所述的动态协变量包括以下三类特性因子：节假日特性因子、气象特性因子和负荷特性因子； 步骤S5、对所述电力数据集与公共数据集的数据的目标值进行归一化处理，提取其时频特征，包括均值、方差及傅里叶变换系数，并计算电力数据集与公共数据集中各时序数据序列之间的相似度指标； 步骤S6、依据所述相似度指标，从公共数据集中筛选出与电力负荷具有显著相关性的数据，与电力数据集共同组成待处理数据集； 步骤S7、采用动态采样加权方法，计算所述待处理数据集中每一条时序数据的权重，形成权重映射集weight_map，并依据所述权重映射集设定采样频率，最终构建得到用于电力时序大模型预训练与微调的异构电力时序数据集； 所述步骤S5包括： 从电力数据集中挑选N组时序数据作为参考源，对电力负荷时序数据和公共数据集中的目标时序数据进行标准化处理，得到归一化的目标序列、，计算公式如下： ；；其中，表示第j个电力负荷数据目标序列t时刻均一化后的值，表示第i个公开数据目标序列t时刻均一化后的值，、分别为第j个电力负荷时序数据的均值和标准差，、分别为第i个目标时序数据的均值和标准差； 分别计算第j个电力负荷时序数据与第i个目标时序数据之间的相似度指标，所述相似度指标包括动态时间规整相似度、皮尔逊相关系数相似度、余弦相似度和傅里叶谱相似度： ；其中，表示动态时间规整距离，为可调缩放因子； ； ；其中，、分别对应第j个电力负荷时序数据和第i个目标时序数据归一化后的均值；、分别对应第j个电力数据和第i个公开数据目标序列t时刻归一化后的值； ；其中，和分别为目标序列、快速傅里叶变换后在频率f处的频谱值，F为频率分量个数； 对各相似度指标的计算结果取中位数，并采用加权融合方式构建统一的相似度指标： ；其中，α、β、γ、δ为各相似度指标权重，且α+β+γ+δ=1，各权重为预设或通过训练学习得到。

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国电南瑞科技股份有限公司;国网电力科学研究院有限公司，其通讯地址为：211106 江苏省南京市江宁区诚信大道19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。