Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京航空航天大学邹孝付获国家专利权

北京航空航天大学邹孝付获国家专利权

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!

龙图腾网获悉北京航空航天大学申请的专利一种每日天然气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:CN117251705B

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:202311283186.1,技术领域涉及:G06F18/21;该发明授权一种每日天然气负荷预测方法是由邹孝付;李鑫磊;陶飞设计研发完成,并于2023-10-07向国家知识产权局提交的专利申请。

一种每日天然气负荷预测方法在说明书摘要公布了:本发明公开了一种每日天然气负荷预测方法,包括:设计天然气历史负荷数据及特征选择预处理模块,该模块完成了对负荷、特征数据的异常值、缺失值、重复值处理,进行平稳性、随机性检验,并完成了数据归一化;设计天然气负荷数据分解及特征选择模块,该模块将天然气原始数据分解为多个不同的子序列,并对分解数量进行优化,随后对各子序列进行特征选择;设计天然气负荷数据预测模块,该模块首先对不同子序列进行预测,将预测结果进行信号重构,最终得到第二日的天然气负荷数据预测结果。本发明针对复杂度高、非线性非稳定性的天然气数据进行分解及深度挖掘特征,并通过深度学习模型构建序列的长短期依赖,提高天然气负荷的预测精度。

本发明授权一种每日天然气负荷预测方法在权利要求书中公布了:1.一种每日天然气负荷预测方法,其特征在于,采用特征匹配度最大化优化算法使每个分解后的子序列的特征数量尽量小且接近于一个;通过对原始数据进行分解降低其数据复杂度,并设计改进的Transformer模型提高子序列的长期依赖建模能力,包括如下步骤: 步骤1、设计天然气历史负荷数据及特征数据预处理模块,完成负荷、特征数据的异常值、缺失值、重复值处理,进行平稳性、随机性检验,并完成数据归一化,包括: 步骤1.1对数据的异常值、缺失值、重复值进行处理包括首先剔除检测到的重复值,计算天然气负荷数据的标准差,然后根据3原则对异常值进行检测并删除异常值,最后采用插值填充法对缺失值进行处理,取前后值的均值进行填充; 步骤1.2对天然气负荷数据的平稳性和随机性进行检验,采用ADF检验方法对数据进行平稳性检验,若结果大于0则判定为非平稳序列,构造Q统计量对天然气负荷数据进行随机性检验,若检验结果小于0.05则判定为非纯随机序列,证明天然气负荷数据具有分析和预测的意义; 步骤1.3对天然气负荷数据和特征数据进行归一化处理,采用最值归一化,将不同量纲的数据映射到[0-1]之间,加快后续神经网络训练速度; 步骤2、设计天然气分解及特征选择模块,将预处理后的天然气负荷数据分解为多个不同的子序列,并对分解数量进行优化,随后对各子序列进行特征选择,包括: 步骤2.1采用变分模态分解对天然气负荷数据进行分解,将其分解为多个不同的子序列后再进行分析和预测,降低天然气负荷数据的复杂度; 步骤2.2设计特征匹配度最大化优化算法对子序列的数量进行优化,将天然气原始数据从2到特征数量的范围内进行循环,分别进行分解并计算特征匹配度,循环结束后进行特征匹配度的比较,取最大值为优化结果; 步骤2.3将分解后的子序列分别结合特征数据计算皮尔森相关系数,计算结果大于0.3的为相关特征; 步骤3、设计天然气负荷数据预测模块,首先对不同子序列进行预测,将预测结果进行信号重构,最终得到第二日的天然气负荷数据预测结果,包括: 步骤3.1构建改进的Transformer模型对子序列进行预测,将Transformer模型原有的Decoder模块用全连接层进行代替形成Transformer预测模型,并根据分解后的子序列分别训练Transformer预测模型,并对每个子序列进行预测; 步骤3.2将各个子序列的预测结果进行重构,得到最终的第二日天然气负荷预测结果,实现对每日天然气负荷数据的精准预测。

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京航空航天大学,其通讯地址为:100191 北京市海淀区学院路37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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。