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！

龙图腾网获悉上海电力大学申请的专利大规模台区短期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：CN121390474B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511946786.0，技术领域涉及：G06Q10/04；该发明授权大规模台区短期负荷预测方法是由孙改平;刘蓉晖;叶子奇;李加帅;杨秀干;植嘉海设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本大规模台区短期负荷预测方法在说明书摘要公布了：本发明提供一种大规模台区短期负荷预测方法，基于各台区的历史数据将台区划分为了温度敏感型台区和温度惰性型台区，并且对于温度敏感型台区，针对负荷与温度特征的波动规律差异，构建了动态温度特征累积效应修正模型，对其温度数据进行了修正，再基于修改后的温度数据对应的特征利用模型进行台区短期负荷的预测，因此能够消除或减少极端温度对于负荷预测的影响，提升负荷预测精度。此外，由于构建了增量学习方法与iTransformer联合的台区短期负荷预测模型，因此还能够有效提升负荷预测的效率。

本发明授权大规模台区短期负荷预测方法在权利要求书中公布了：1.一种大规模台区短期负荷预测方法，其特征在于，包括以下步骤： 步骤S1，获取各个台区的历史数据，并对其进行预处理以得到台区数据集，其中，所述历史数据至少包括温度数据和负荷数据； 步骤S2，基于所述台区数据集进行特征分析，并基于特征分析结果将所述台区划分为温度敏感型台区和温度惰性型台区； 步骤S3，对于所述温度敏感型台区，构建累积效应修正模型，并利用该累积效应修正模型对所述温度敏感型台区的所述温度数据进行修正，以消除极端温度对于负荷预测的影响； 步骤S4，对于各个所述台区，基于所述特征分析结果构建所述台区的个性化特征集合，其中，对于所述温度敏感型台区，所述个性化特征集合包含修正后的所述温度数据所对应的温度特征； 步骤S5，构建增量学习方法与倒置变换器联合的台区短期负荷预测模型，并利用该台区短期负荷预测模型基于所述个性化特征集合得到各个所述台区的短期负荷预测结果， 其中，所述台区数据集至少包含负荷数据和温度数据， 步骤S2包括以下子步骤： 步骤S2-1，基于所述负荷数据和所述温度数据进行统计分析，并构建所述台区的日负荷序列和温度序列； 步骤S2-2，对所述日负荷序列和所述温度序列进行特征分析，得到所述特征分析结果，其包含负荷熵谱、时段特征以及温度相对于负荷滞后情况的滞后相关特征，其中，所述负荷熵谱包含日负荷近似熵特征； 步骤S2-3，基于所述日负荷近似熵特征、所述时段特征和所述滞后相关特征，利用极端梯度提升树将所述台区划分为所述温度敏感型台区和所述温度惰性型台区， 步骤S5中，所述倒置变换器包括： 输入模块，包含输入层和嵌入层，所述输入层用于接收原始输入变量，所述嵌入层用于将所述原始输入变量映射为高维特征词元； 特征提取模块，包含多头自注意力单元、第一层归一化单元、前馈神经网络以及第二层归一化单元，所述自注意力单元用于从不同子空间并行提取时间序列中的多种特征，所述前馈神经网络用于提取所述时间序列中的非线性关系；以及 输出模块，包含投影层和输出层，所述投影层用于对所述特征提取模块提取出的特征进行筛选并保留关键特征，并将所述关键特征映射为台区短期负荷预测结果，所述输出层用于输出所述台区短期负荷预测结果。

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上海电力大学，其通讯地址为：201306 上海市浦东新区沪城环路1851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。