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！

龙图腾网获悉北方工业大学;北京联智汇能科技有限公司;北京开源瑞储科技有限公司申请的专利一种基于遗传算法的综合能源系统多元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：CN118246581B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202311510931.1，技术领域涉及：G06Q10/04；该发明授权一种基于遗传算法的综合能源系统多元负荷预测方法是由李建林;李雅欣;康婧悦;武亦文;邸文峰;孙新喆;肖珂设计研发完成，并于2023-11-13向国家知识产权局提交的专利申请。

本一种基于遗传算法的综合能源系统多元负荷预测方法在说明书摘要公布了：本发明公开了一种基于遗传算法的综合能源系统多元负荷预测方法，利用设置在综合能源系统中的各种传感器采集能源负荷数据，包括电力、热能和冷能数据；对所采集的数据进行预处理，包括数据清洗、数据转换和数据划分处理；针对预处理后的数据，使用双向长短期记忆网络算法进行特征提取；将特征提取后的特征输入到改进型随机森林模型中，构建综合能源系统多元负荷预测模型；使用划分出的训练集数据对预测模型进行训练，在训练完成后，利用训练好的预测模型进行负荷预测。该方法基于现场传感器数据进行负荷预测，能够实现实时预测，为能源管理提供更实时有效的决策依据。

本发明授权一种基于遗传算法的综合能源系统多元负荷预测方法在权利要求书中公布了：1.一种基于遗传算法的综合能源系统多元负荷预测方法，其特征在于，所述方法包括： 步骤1、利用设置在综合能源系统中的各种传感器采集能源负荷数据，包括电力、热能和冷能数据； 步骤2、对步骤1所采集的数据进行预处理，包括数据清洗、数据转换和数据划分处理； 步骤3、针对预处理后的数据，使用双向长短期记忆网络算法进行特征提取； 利用遗传算法对双向长短期记忆网络的权重和偏置进行全局优化，具体过程为： 1初始化 首先，随机生成一组双向长短期记忆网络的参数，包括权重和偏置，作为初始种群，设种群规模为N，则初始种群为P0＝{p0,1，p0,2，…，p0，N｝，其中p0，i为第i个网络参数集； 2选择 对初始种群中每个网络参数集进行评估，根据性能选择更优的参数集，设第i代种群为Pi，则根据评估函数f，选择操作为： 其中f为评估函数；为第i+1代种群经过选择操作后的集合；为第i+1代种群中第j个网络参数集； 3交叉 随机选择两个网络参数集进行交叉操作，生成新的网络参数集；设交叉概率为pc，则交叉操作为： 其中cross为交叉操作；为第i+1代种群中第j个网络参数集经过交叉操作后的结果； 4变异 以一定的概率对网络参数集进行变异操作，增加种群的多样性；设变异概率为pm，则变异操作为： 其中mutate为变异操作；pi+1，j为第i+1代种群中第j个网络参数集经过变异操作后的结果； 步骤4、将步骤3特征提取后的特征输入到改进型随机森林模型中，构建综合能源系统多元负荷预测模型； 所述改进型随机森林模型是将样本权重和自适应优化策略引入到原随机森林模型中，其中： 样本权重的引入是在每一轮迭代中，使正确预测的样本权重降低，错误预测的样本权重提高，从而让模型更加关注难以预测的样本； 自适应优化策略是在训练过程中，不断调整每棵树的权重，对预测准确率高的树赋予较高的权重，对预测准确率低的树赋予较低的权重；在预测阶段，每棵树的投票根据它们的权重进行加权，从而得到最终的预测结果； 具体过程为： 对于样本权重的调整，设样本集D中第i个样本的权重为wi，在初始阶段，wi＝1，n为样本总数； 在每一轮迭代中，对于被正确预测的样本，其权重将乘以一个衰减因子β，0＜β＜1： wi＝βwi 对于被错误预测的样本，权重保持不变； 对于决策树权重的调整，设决策树T在训练集上的预测准确率为accT，那么T的权重weightT为： weightT＝accT2； 步骤5、使用步骤2划分出的训练集数据对步骤4的预测模型进行训练，在训练完成后，利用训练好的预测模型进行负荷预测。

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北方工业大学;北京联智汇能科技有限公司;北京开源瑞储科技有限公司，其通讯地址为：100044 北京市石景山区晋元庄5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。