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！

龙图腾网获悉国网上海市电力公司申请的专利一种气象-分布式电源-负荷长期联合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：CN121055325B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511595842.0，技术领域涉及：H02J3/00；该发明授权一种气象-分布式电源-负荷长期联合预测方法是由段若晨;李轶立;徐建锋;石方迪设计研发完成，并于2025-11-04向国家知识产权局提交的专利申请。

本一种气象-分布式电源-负荷长期联合预测方法在说明书摘要公布了：本申请提供了一种气象‑分布式电源‑负荷长期联合预测方法，涉及电力系统负荷预测技术领域，方法包括：引入多通道注意力融合机制，构建特征融合层；利用气象编码器、功率编码器、负荷编码器和特征融合层进行多源特征编码和特征加权融合，获取样本训练数据集；基于时间加权损失函数，采用样本训练数据集对长短时记忆网络进行监督训练至收敛；利用长期趋势预测插件，执行发电功率预测和电力负荷预测。通过本申请可以解决现有技术中存在预测对象之间的耦合建模不足的技术问题，实现气象、分布式电源与负荷之间的协同建模的技术目标，达到提高电力预测精度的技术效果。

本发明授权一种气象-分布式电源-负荷长期联合预测方法在权利要求书中公布了：1.一种气象-分布式电源-负荷长期联合预测方法，其特征在于，方法包括： 引入多通道注意力融合机制，分别对气象数据、发电功率和电力负荷进行价值权重分配，构建特征融合层； 利用气象编码器、功率编码器、负荷编码器和特征融合层，分别对样本发电功率序列集、样本电力负荷序列集、样本气象数据序列集、样本预测发电功率序列集和样本预测电力负荷序列集进行多源特征编码和特征加权融合，获取样本训练数据集； 基于时间加权损失函数，采用所述样本训练数据集对长短时记忆网络进行监督训练至收敛，生成长期趋势预测插件，执行预设时间窗口内的发电功率预测和电力负荷预测； 其中，基于时间加权损失函数，采用所述样本训练数据集对长短时记忆网络进行监督训练至收敛，生成长期趋势预测插件，包括： 将所述样本训练数据集等分为K份，得到K份样本数据集，并在K份样本数据集中有放回地随机选取K次，构建第一训练集，利用相同方法迭代选取K次，得到K个训练集； 基于时间加权损失函数，采用所述K个训练集分别对长短时记忆网络进行监督训练，直至损失函数收敛，得到K个长期趋势预测单元，集成构建长期趋势预测插件； 其中，构建时间加权损失函数的方法包括： 基于预测值的预测时间间隔设置误差敏感性，其中，所述误差敏感性和所述预测时间间隔正相关，所述预测时间间隔为预测时间节点与当前时间节点的时间间隔； 基于所述误差敏感性设置时间修正权重，并根据所述时间修正权重对均方误差损失函数进行优化，生成时间加权损失函数； 其中，所述时间加权损失函数的表达式为： ； ； 其中，为预测时间间隔，为第K天的时间修正权重，表征第K天的预测值，表征真实值； 其中，执行预设时间窗口内的发电功率预测和电力负荷预测，包括： 获取目标区域在第一历史时间窗口内的历史发电功率序列和历史电力负荷序列，并获取预设时间窗口内的预测气象数据序列，其中，所述预设时间窗口和第二历史时间窗口的时间间隔相同； 分别对所述历史发电功率序列、历史电力负荷序列和预测气象数据序列进行特征波动分析，输出发电功率波动系数、电力负荷波动系数和气象条件波动系数； 利用所述气象编码器、功率编码器、负荷编码器和特征融合层，对所述历史发电功率序列、历史电力负荷序列和预测气象数据序列进行特征编码、价值权重评估和特征融合，得到输入特征集，以及当前价值权重； 基于所述当前价值权重、发电功率波动系数、电力负荷波动系数和气象条件波动系数调用所述长期趋势预测插件，根据所述输入特征集预测得到预设时间窗口内的预测发电功率序列和预测电力负荷序列，包括： 基于所述当前价值权重，根据所述发电功率波动系数、电力负荷波动系数和气象条件波动系数加权计算得到整体预测波动系数； 将所述整体预测波动系数与目标区域在历史时间范围内的历史最大整体预测波动系数的比值乘以K取整，得到最大预测单元选取数量Q； 在所述长期趋势预测插件的K个长期趋势预测单元内随机选取Q个长期趋势预测单元，根据所述输入特征集进行预测，并对Q个预测结果进行均值拟合后得到预设时间窗口内的预测发电功率序列和预测电力负荷序列。

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网上海市电力公司，其通讯地址为：200120 上海市浦东新区源深路1122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。