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！

龙图腾网获悉三峡大学;国网湖北省电力有限公司宜昌供电公司申请的专利一种基于SAINet神经网络模型的电力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：CN116258247B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202211675957.7，技术领域涉及：G06Q10/04；该发明授权一种基于SAINet神经网络模型的电力负荷预测方法是由盛冠群;陈萌;余梅;胡为民;闫超;范李平;余杰设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本一种基于SAINet神经网络模型的电力负荷预测方法在说明书摘要公布了：一种基于SAINet神经网络模型的电力负荷预测方法，它包括以下步骤：步骤一：获取电力负荷历史因素及电力负荷气象因素；步骤二：获取电力负荷数据集；步骤三：获取电力负荷训练数据集、电力负荷测试数据集；步骤四：训练并获取经过训练的SAINet神经网络模型；步骤五：利用已训练的SAINet神经网络模型进行电力负荷的预测，并输出电力负荷预测值。本发明的目的是为了进一步提高电力负荷预测的准确率，而提供的一种基于SAINet神经网络模型的电力负荷预测方法。

本发明授权一种基于SAINet神经网络模型的电力负荷预测方法在权利要求书中公布了：1.利用SAINet神经网络模型实现电力负荷预测的方法，其特征在于，包括以下步骤： 步骤一：获取电力负荷历史因素及电力负荷气象因素； 步骤二：获取电力负荷数据集； 步骤三：获取电力负荷训练数据集、电力负荷测试数据集； 步骤四：训练并获取经过训练的SAINet神经网络模型； 步骤五：利用已训练的SAINet神经网络模型进行电力负荷的预测，并输出电力负荷预测值； 在步骤一中，电力负荷历史因素包括电力负荷历史数值，电力负荷气象因素包括所预测区域的最高温度、最低温度、相对湿度、降雨量； 在步骤二中，将电力负荷历史因素和电力负荷气象因素汇总集合以获得电力负荷数据集； 在步骤三中，将电力负荷数据集划分以获得电力负荷训练数据集、电力负荷测试数据集； 在训练SAINet神经网络模型时，输入样本数据，将数据下采样分为两个子序列特征F偶和特征F奇； 所述SAINet神经网络模型具体为： 输入特征→若干形成二叉树结构的SAI-Block模块→合并、重新排列→融合→全连接层→输出特征； 二叉树的第一层有一个SAI-Block模块，二叉树最后一层的多个SAI-Block模块输出的特征在合并、重新排列之后与二叉树第一层的SAI-Block模块的输入特征相融合，并将融合后的特征输入全连接层； 在堆叠的SAINet网络中，包括若干个串行连接的SAINet神经网络模型，SAINet神经网络模型与SAINet神经网络模型之间通过残差连接模块连接； SAI-Block模块在工作时，采用以下步骤： 首先，特征F偶和特征F奇分别进行自注意力机制操作，并用exp函数对其操作后数据进行处理，再与特征F偶和特征F奇进行乘积操作得到特征F1偶和特征F1奇，该过程见公式1，以上的交互操作可以看作是对特征F偶和特征F奇的缩放变换； 其次，对特征F1偶和特征F1奇两个序列分别进行卷积操作，特征F1偶与经卷积操作后的特征F1奇进行加法操作，特征F1奇与经卷积操作后特征F1偶的进行加法操作，该过程见公式2，序列进行交互式学习后的最终输出是特征F2偶和特征F2奇； ； ； 式1、式2中⊙表示哈达玛积Hadamardproduct；exp代表以自然常数e为底的指数函数； 特征F1偶和特征F1奇分别为经自注意力机制作用后的序列数据；特征F2偶和特征F2奇是经全部交互学习后的最终输出序列数据，、代表自注意力机制操作，、代表卷积操作。

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三峡大学;国网湖北省电力有限公司宜昌供电公司，其通讯地址为：443002 湖北省宜昌市西陵区大学路8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。