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！

龙图腾网获悉东北电力大学申请的专利一种基于QR-TCN-LSTM的综合能源系统多元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：CN120012990B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510074555.9，技术领域涉及：G06Q10/04；该发明授权一种基于QR-TCN-LSTM的综合能源系统多元负荷预测方法及系统是由张薇;战泓伊;孙航;李盛义设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于QR-TCN-LSTM的综合能源系统多元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QR‑TCN‑LSTM的综合能源系统多元负荷预测方法及系统，涉及负荷预测技术领域。其方法包括获取多种具有明显时间相关性的负荷数据，包括电力负荷数据、热力负荷数据以及冷能负荷数据；分别计算每种负荷数据与环境影响因素之间的相关性系数，并根据所述相关性系数确定关键环境影响因素；根据所述负荷数据和关键环境影响因素构建数据集，并将所述数据集划分为训练集和测试集；构建QR‑TCN‑LSTM模型，并利用训练集对QR‑TCN‑LSTM模型进行训练，得到训练好的QR‑TCN‑LSTM模型；利用训练好的QR‑TCN‑LSTM模型进行负荷概率预测，得到每种负荷数据在不同置信区间下的概率预测结果。通过上述方法及系统，本发明提高了多元负荷的预测准确性和泛化能力。

本发明授权一种基于QR-TCN-LSTM的综合能源系统多元负荷预测方法及系统在权利要求书中公布了：1.一种基于QR-TCN-LSTM的综合能源系统多元负荷预测方法，其特征在于，包括以下步骤： 获取多种具有明显时间相关性的负荷数据，包括电力负荷数据、热力负荷数据以及冷能负荷数据； 分别计算每种负荷数据与环境影响因素之间的相关性系数，并根据所述相关性系数确定关键环境影响因素；所述关键环境影响因素包括露点、温度、降水量、气压和相对湿度； 根据所述负荷数据和关键环境影响因素构建数据集，并将所述数据集划分为训练集和测试集； 构建QR-TCN-LSTM模型，并利用训练集对QR-TCN-LSTM模型进行训练，得到训练好的QR-TCN-LSTM模型；构建QR-TCN-LSTM模型步骤中，所述QR-TCN-LSTM模型包括TCN网络层、LSTM网络层和分位数回归预测层； 其中，所述TCN网络层用于接收训练集中的负荷数据和关键环境影响因素，输出包含局部特征和时间依赖关系的特征序列； 所述LSTM网络层用于对TCN网络层输出的特征序列进行处理，得到LSTM网络层预测结果； 所述分位数回归预测层接收LSTM网络层预测结果，并通过最小化Pinball损失函数，得到每种负荷数据在不同置信区间下的最终概率预测结果； 利用训练好的QR-TCN-LSTM模型进行负荷概率预测，得到每种负荷数据在不同置信区间下的概率预测结果。

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东北电力大学，其通讯地址为：132012 吉林省吉林市船营区长春路169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。