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;国网重庆市电力公司经济技术研究院;国网重庆市电力公司;重庆大学申请的专利电网投资成本与负荷曲线特征关联性分析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：CN115564489B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211274436.0，技术领域涉及：G06Q30/0283；该发明授权电网投资成本与负荷曲线特征关联性分析方法是由朱倩雯;王永婷;项维;罗旭;管真琪;邹以欣;唐文左;邓宇旭;曾意;谢杜阳;王兰欣;李博;邵先琪;杨知方;李中浩设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本电网投资成本与负荷曲线特征关联性分析方法在说明书摘要公布了：本发明提供了一种电网投资成本与负荷曲线特征关联性分析方法，首先，以电网输电线路投资成本及发电机组运行成本为目标函数，考虑功率平衡及支路功率上下限等约束，建立电网投资模型；其次，提出一种基于拉丁超立方抽样的蒙特卡洛模拟方法，实现对负荷曲线的生成，并提取负荷曲线特征，完成对数据集的构建，为分析电网投资成本与负荷特征的关联关系提供数据支撑；随后，构建模型的训练集输入和训练集输出，并对XGBoost模型进行训练，构建负荷曲线特征与电网投资成本的非线性映射关系；最后，通过对已训练好的XGBoost模型，计算出每个负荷曲线特征的权重，并对权重的大小进行排序，通过比较权重大小分析各负荷曲线特征对电网投资成本的影响程度。

本发明授权电网投资成本与负荷曲线特征关联性分析方法在权利要求书中公布了：1.一种电网投资成本与负荷曲线特征关联性分析方法，其特征在于，包括步骤： S1.搭建电网投资模型： 建立目标函数： ； 其中，F为电网输电线路投资成本与发电机组运行成本；cl、cg分别为单位线路单位容量的投资成本和第g台发电机组报价；Nl、Ng分别为系统中所包含的支路总数和机组总数；Ll为第l条支路的长度；Tl为第l条支路的容量；Pf,g,t为t时段第g台发电机组的功率；T为总时段数；△t为时段间隔；t=1,2,…,T；g=1,2,…,Ng；l=1,2,…,Nl； 建立约束条件： 1功率平衡约束： 其中，Fromn为以节点n为首端节点的线路集合；Ton为以节点n为末端节点的线路集合；Pl,t为t时段支路l的功率；N为接入负荷的节点数；Pn,load,t为t时段第n个节点的负荷； 2支路功率约束： 其中，Tl为支路l的容量； 3发动机组出力上下限约束： 其中，Pf,g,max为第g台发电机组的功率上限值； 4发动机组爬坡约束： 其中，rg,up、rg,down分别为发电机组爬坡的上下限值； 5支路容量上下限约束： 其中，、分别为支路l容量的上下限值； S2.基于拉丁超立方抽样的蒙特卡洛模拟方法对负荷数据进行生成，具体步骤包括： S21.将fixi分为[0,1K],[1K,2K],…,[K-1K,1]的K个等距区间；其中fixi为随机变量xi的概率分布，其中i=1,…,m；m为需要进行抽样的随机变量的个数； S22.从概率分布函数fixi的每个等距区间中抽样一个数作为抽样点，然后根据fixi的反函数求得该抽样点对应的样本值；重复该步骤，直至将K个区间均抽取完毕； S23.重复步骤S22，直至抽取完m组随机变量，得到样本矩阵H，阶数为K×m； S24.将样本矩阵H每一列元素的排列顺序打乱，即改变每个随机变量抽样点的顺序，得到K条负荷曲线； S25.将得到的K条负荷曲线分别输入至搭建的电网投资模型，得到K个电网投资成本值，将其写为列向量的形式，记为Xout； S3.提取每一条负荷曲线的负荷曲线特征,得到K条负荷曲线所对应的负荷曲线特征的矩阵，记为Xin，阶数为K×n,其中n为提取的负荷曲线特征的种类数； S4.对XGBoost模型进行训练：将负荷曲线特征矩阵Xin为XGBoost模型的输入，电网投资成本Xout为XGBoost模型的输出，构造负荷曲线特征与电网投资成本之间的非线性映射关系； S5.基于训练好的XGBoost模型对电网投资成本与负荷曲线特征的关联性进行分析： 基于训练好的XGBoost模型计算出每个负荷曲线特征的权重，并对权重的大小进行排序，通过比较权重大小分析各负荷曲线特征对电网投资成本的影响程度。

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;国网重庆市电力公司经济技术研究院;国网重庆市电力公司;重庆大学，其通讯地址为：100031 北京市西城区西长安街86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。