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！

龙图腾网获悉国家电网有限公司西北分部;西安交通大学申请的专利基于混合神经网络的主动响应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：CN119726665B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411771745.8，技术领域涉及：H02J3/00；该发明授权基于混合神经网络的主动响应负荷预测方法及系统是由汪莹;牛拴保;王蒙;李鹏瀚;崔伟;王聪;王升;孙钦东设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于混合神经网络的主动响应负荷预测方法及系统在说明书摘要公布了：本发明公开了基于混合神经网络的主动响应负荷预测方法及系统，采用了真实负荷数据的特征并生成时间序列数据作为输入，负荷分类器采用CNN‑LSTM神经网络模型，使用AD响应模型模拟负荷的主动响应效果，负荷预测采用RNN神经网络模型，所以本发明具有方案新颖、结果准确的优点，对包含不同类型负荷的基础数据集进行负荷特征分析以及预处理；根据预处理后的数据集创建时间序列数据集作为负荷分类研究的基准数据集，本发明能够预测负荷的归属标签，对负荷进行分类。模型通过CNN提取不同类型负荷特征，引入批归一化层用于标准化CNN层的输出，并稳定训练过程，加速收敛；通过LSTM捕捉时间步之间的依赖关系，使得分类模型的输出结果具有较高的准确性和可靠性。

本发明授权基于混合神经网络的主动响应负荷预测方法及系统在权利要求书中公布了：1.基于混合神经网络的主动响应负荷预测方法，其特征在于，包括以下步骤： S1，获取负荷基础数据集并进行负荷特征分析得到负荷特征，基于负荷特征创建时间序列数据集作为负荷分类研究的基准数据集； S2，基于时间序列数据集构建用于负荷分类的CNN-LSTM神经网络模型； S3，构建用于模拟负荷主动响应效果的AD响应模型； S4，构建用于负荷预测的RNN神经网络模型；基于CNN-LSTM神经网络模型对待预测负荷数据进行分类，基于AD响应模型模拟生成当前负荷的主动响应结果，基于RNN模型对主动响应结果数据进行预测，得到分类后各类负荷的图像以及预测后预测负荷与真实负荷的曲线对比图像； 获取负荷基础数据集并进行负荷特征分析得到负荷特征具体包括以下步骤： S11：收集不同类型的负荷数据，为不同类型的数据添加对应的标签； S12：按标签和日期分组，计算负荷量的统计特征，形成数据帧； S13：提取数据帧中的统计特征和标签，标准化特征并将标签编码为整数； S14：根据标准化后的特征、编码后的标签和指定的时间步长创建时间序列数据集，将输入的负荷数据和编码后的标签转换为适合模型输入的时间序列数据；所述统计特征包括均值、标准差、最大值、最小值； 基于时间序列数据集构建用于负荷分类的CNN-LSTM神经网络模型具体包括以下步骤： S21：维度转换，将负荷时间序列数据转换为卷积层所期待的输入形状； S22：设置CNN层1和批归一化层1；CNN层1用于提取输入序列数据的局部特征，并生成特征图；批归一化层1用于标准化卷积层的输出；选取ReLU激活函数，引入非线性激活； S23：设置最大池化层，对特征图进行下采样，减小数据规模，保留主要特征； S24：设置CNN层2和批归一化层2；进一步提取CNN层1的输出特征，生成更高层次的特征图；标准化CNN层2的输出，同样选取ReLU激活函数，提升模型表达能力； S25：设置LSTM层，处理时间序列数据，捕捉时间步之间的依赖关系，取LSTM的最后一个时间步的输出，作为对整个序列的总结； S26：设置全连接层，将LSTM的输出映射到类别得分，用于最终的分类决策。

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家电网有限公司西北分部;西安交通大学，其通讯地址为：710048 陕西省西安市碑林区环城东路中段50号西北电网公司办公楼；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。