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！

龙图腾网获悉无锡学院申请的专利产业链用电负荷长期预测的自适应贝叶斯辨识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：CN121581330B 。

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：202610085425.X，技术领域涉及：G06Q10/04；该发明授权产业链用电负荷长期预测的自适应贝叶斯辨识方法是由盛丽娜;曹燚;朱灵龙;汪潇文;付楠设计研发完成，并于2026-01-22向国家知识产权局提交的专利申请。

本产业链用电负荷长期预测的自适应贝叶斯辨识方法在说明书摘要公布了：本发明提供了一种产业链用电负荷长期预测的自适应贝叶斯辨识方法，包括：将有功功率数据聚合为日冻结电力时间序列；对日冻结电力时间序列进行离散傅里叶变换，获取幅值谱，并计算谱复杂度指数；根据筛选出的主导频率，构建包含正弦和余弦函数的自适应基函数库；建立包含正则化的稀疏回归模型，将所述日冻结电力时间序列表示为所述自适应基函数库中基函数的线性组合，并通过求解优化问题获得稀疏系数向量；利用识别出的稀疏系数向量和自适应基函数库，通过时间索引的外推，计算未来时间步的日冻结电力预测值。达到能够统筹上下游产业链特征的同时，又能精准捕捉多尺度周期性结构，又具备低计算成本和高物理可解释性的目的。

本发明授权产业链用电负荷长期预测的自适应贝叶斯辨识方法在权利要求书中公布了：1.一种产业链用电负荷长期预测的自适应贝叶斯辨识方法，其特征在于，包括： S1:获取目标产业用户的每日高频有功功率数据，并将有功功率数据聚合为日冻结电力时间序列； S2:对所述日冻结电力时间序列进行离散傅里叶变换，获取幅值谱，并计算谱复杂度指数，以此确定主导频率的数量及具体的频率成分； S3:根据筛选出的主导频率，构建包含正弦和余弦函数的自适应基函数库； S4:建立包含正则化的稀疏回归模型，将所述日冻结电力时间序列表示为所述自适应基函数库中基函数的线性组合，并通过求解优化问题获得稀疏系数向量，从而筛选出关键的周期性分量； S5:利用识别出的稀疏系数向量和自适应基函数库，通过时间索引的外推，计算未来时间步的日冻结电力预测值； 在步骤S2中，所述谱复杂度指数的计算公式为： ， 其中，和均表示按降序排列的幅值谱数值，为最大幅值；该谱复杂度指数用于量化周期结构的复杂度，该谱复杂度指数还用于辅助确定主导频率的数量； 在步骤S3中，所述自适应基函数库的构建方法包括： 基于幅度谱选择个主导频率，记为，其归一化频率定义为； 对于每个归一化频率，构建两个实值基函数： ； 将所有基函数收集到设计矩阵中； 其中，为日冻结电力时间序列的总长度； 所述建立包含正则化的稀疏回归模型，将所述日冻结电力时间序列表示为所述自适应基函数库中基函数的线性组合中线性组合的公式为： ， 其中是与第个基函数相关的系数，是第个基函数在输入处的函数值； 在步骤S4中，所述稀疏回归模型的优化目标函数为： 其中，是欧几里得范数，范数，是控制稀疏程度的正则化参数，是系数向量，是日冻结向量，是实数集。

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无锡学院，其通讯地址为：214000 江苏省无锡市锡山区锡山大道333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。