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！

龙图腾网获悉浙江工商大学申请的专利基于频域自适应滤波器的电力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：CN120197742B 。

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：202510144004.5，技术领域涉及：G06Q10/04；该发明授权基于频域自适应滤波器的电力负荷预测方法及系统是由刘东升;林俊杰;徐杨波;郑礼彬;李经纬设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本基于频域自适应滤波器的电力负荷预测方法及系统在说明书摘要公布了：本发明公开了涉及基于频域自适应滤波器的电力负荷预测方法及系统，通过清理电力负荷相关数据以生成可用时间序列数据；对时间序列数据采用离散傅里叶变换将时域数据转换为频域数据；引入频域自适应归一化层，对频域数据进行幅度过滤，区分平稳和非平稳频域数据，并采用离散傅里叶逆变换恢复时域数据；分别对平稳和非平稳时域数据进行归一化处理；利用频域自适应预测模型提取特征，生成对应的平稳和非平稳时域预测数据；将平稳和非平稳时域预测数据的结果进行加权融合，生成完整的时间序列预测数据。本发明显著提升了对平稳时域数据的预测能力，同时能够更精准地捕捉非平稳数据中的变化规律，从而增强整体的预测精度。

本发明授权基于频域自适应滤波器的电力负荷预测方法及系统在权利要求书中公布了：1.基于频域自适应滤波器的电力负荷预测方法，其特征在于包括如下步骤： 步骤1：从电力负荷的相关数据中获取电力负荷的时间序列数据； 步骤2：对所述时间序列数据进行时域到频域的转换，得到频域信号； 步骤3：引入频域自适应归一化层，对所述频域信号进行幅度过滤，将频域信号区分为平稳频域数据和非平稳频域数据，再将频域数据转换回时域数据，并分别对平稳时域数据和非平稳时域数据进行归一化处理； 先从频域信号中提取每个频域分量的幅度，将低频部分幅度大的频域分量作为平稳频域数据，将高频部分幅度小的频域分量作为非平稳频域数据； 对所述平稳时域数据进行归一化处理如下： 其中，Xstable表示平稳时域数据，Norm表示归一化操作，表示第i个时域数据点的前L个时间步的时域数据，MeanL表示沿时间维度计算平均值的操作，StdL表示沿时间维度计算标准差的操作，N表示平稳时域数据的长度，L表示回溯窗口长度； 对所述非平稳时域数据进行归一化处理如下： 对于每个非平稳时域数据Xunstable的仿射变换，是通过权重参数affineweight和偏置参数affinebias进行线性变换，得到归一化后的非平稳时域数据σ表示标准差，N′表示非平稳时域数据的长度，μ表示均值； 步骤4：构建并利用频域自适应预测模型，对归一化处理后的所述平稳时域数据和非平稳时域数据，分别进行特征提取并生成对应的平稳时域预测数据和非平稳时域预测数据； 首先对所述平稳时域数据的进行离散傅里叶变换，转换到频域，并做正交化处理，转换时考虑输入序列的对称性，公式如下： 其中，Xk表示频域中第k个频域分量，xn表示归一化后的平稳时域数据的第n个值，N表示输入的时域数据长度，j表示虚数单位，最终得到转换后频域对应的时间序列数据L表示回溯窗口长度，表示时间序列数据的集合； 然后，基于转换后的时间序列数据通过可学习滤波器生成可学习滤波器的输出公式如下： 其中，表示傅里叶变换，表示傅里叶逆变换，⊙L表示沿L维度的元素乘积； 所述频域自适应预测模型，采用可学习滤波器模块对所述平稳时域数据进行特征提取，动态捕捉主要频域特征模式，得到平稳时域数据的预测结果；对所述非平稳时域数据，采用多层感知机对前K个时域数据进行建模，提取非平稳频域模式的演化规律，得到非平稳时域数据的预测结果，最后，通过加权将所述平稳时域数据的预测结果和所述非平稳时域数据的预测结果进行聚合，得到最终的预测结果； 步骤5：将所述平稳时域预测数据和所述非平稳时域预测数据进行融合，生成完整的时间序列目标输出。

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浙江工商大学，其通讯地址为：310018 浙江省杭州市钱塘区下沙高教园区学正街18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。