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！

龙图腾网获悉山东大学申请的专利一种基于SE-Block改进Transformer的能源短期负荷预测方法及系统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：CN121765658B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610254895.4，技术领域涉及：G06F18/25；该发明授权一种基于SE-Block改进Transformer的能源短期负荷预测方法及系统是由王海洋;田宇凡;李珂;牟宇宸;侍子尧设计研发完成，并于2026-03-04向国家知识产权局提交的专利申请。

本一种基于SE-Block改进Transformer的能源短期负荷预测方法及系统在说明书摘要公布了：本发明涉及能源预测技术领域，尤其是涉及一种基于SE‑Block改进Transformer的能源短期负荷预测方法及系统。所述方法包括基于获取的多元负荷序列数据进行可逆归一化预处理；利用改进跨尺度交互Patching对预处理后的数据进行特征提取与融合，包括多尺度特征提取、跨尺度交互对齐、残差修正与动态融合；基于通道注意力机制对融合的特征进行特征筛选，包括基于改进SE‑Block的特征响应、上下文向量非线性交互。本发明针对实际负荷受气象条件及用户行为影响导致的非平稳性，模型通过自动剔除多变量间的噪声干扰，精准刻画出负荷曲线的波动细节，体现了模型在综合能源系统多元负荷预测中的鲁棒性。

本发明授权一种基于SE-Block改进Transformer的能源短期负荷预测方法及系统在权利要求书中公布了：1.一种基于SE-Block改进Transformer的能源短期负荷预测方法，其特征在于，包括： 获取多元负荷序列数据； 基于获取的多元负荷序列数据进行可逆归一化预处理； 利用改进跨尺度交互Patching对预处理后的数据进行特征提取与融合，包括多尺度特征提取、跨尺度交互对齐、残差修正与动态融合； 基于通道注意力机制对融合的特征进行特征筛选，包括基于改进SE-Block的特征响应、上下文向量非线性交互； 基于Transformer对筛选的特征进行全局长距离时序依赖建模； 基于通道合并策略输出多维预测结果； 所述多尺度特征提取，包括针对patching方法单一窗口静态处理的问题，利用一维卷 积操作对维度为的原始负荷序列进行时空维度的重构，通过设置不同尺寸 的卷积核与步长分别提取高频细节、中频过渡与低频趋势特征，表示为：，，，其中，为输入的时间序列 数据，为一维卷积操作，为代表卷积核的大小分别为高频、中 频、低频特征张量；针对多尺度卷积导致特征序列长度不一致问题，以高频分支的特征长度 为基准，采用线性插值算法对中频与低频分支的较短特征序列进行时域上采样，使所有频 率分支的特征最终生成维度一致的张量，表示为：其中，为对齐后的 特征张量，为对齐操作，为设定对齐尺寸，；最后，执行跨尺度特征融 合操作，采用通道拼接策略，将三个独立分支的特征张量在特征通道维度上进行堆叠，引入 可学习的线性投影层，通过全连接运算，将混合特征映射回隐空间，从而生成兼顾局部细节 与全局轮廓的综合特征向量，张量维度恢复为，表示为：，其中，是可学习的融合投影矩阵， 为偏置项，是融合后的多尺度特征张量； 所述跨尺度交互对齐，包括针对时序数据中的孤立高频误判为噪声以及弥补多尺度特 征提取的高频细节相对于长期趋势存在相位漂移问题，基于改进的交叉注意力机制，以高 频特征作为查询向量，以低频趋势特征作为键、值向量，在计算细节特征时考虑整体趋势特 性，补偿局部特征缺乏全局视野的缺陷，表示为：，，，其中，分别为查询、键、值向量，和分别为对齐后的低 频特征和对齐后的高频特征，分别为可学习的线性投影矩阵，用于将 特征映射到注意力空间；然后执行交叉注意力的核心运算，利用查询向量与键向量的 转置进行点积运算，计算高频细节与低频趋势之间的相关性分数，并除以缩放因子以防止梯度消失，随后经过Softmax函数处理，生成归一化的注意力权重图，表 示为： 其中，为注意力分数矩阵，为缩放因子，为归一化函数，为注意力输出；最 后，为保留原始高频信息的完整性并防止网络退化，采用残差连接结构，将经过注意力机制 增强的特征与原始的高频输入特征直接相加，相加后的结果通过层归一化进行处理，最终 生成跨尺度融合对齐的高频特征，表示为： 其中，是对齐后的高频 特征输入，是注意力输出，为层归一化，为最终 生成的跨尺度融合对齐的高频特征； 所述残差修正与动态融合，包括首先计算经过交叉注意力跨尺度融合对齐后的高频特 征与对齐后的中频特征之间的差异，通过公式得到残差张量，为判断 残差信息的有效量，引入可学习的门控网络，将残差输入到线性层，并经过Sigmoid激活 函数处理，生成门控系数：其中，为跨尺度融合对齐后的高频特征 与对齐后的中频基准的差值，为门控网络的可学习权重和偏置，为激活函 数，为数值张量；然后利用生成的门控系数，对中频特征进行非线性修正，在保留中 频基准特征稳定性的同时，融合经过筛选的高频细节，表示为： 其中，为逐元素乘法，修正后的中频特征，为门控系数，为对齐后的中 频基准特征；最后执行全局加权融合，对三个分支分别进行全局平均池化，得到三个全局上 下文向量 其中，为全局特征向量，为对齐后的高频特征张量，为修正后的中频特征张量，为全局平均池化操作，将三个向量拼接并 通过一个多层感知机MLP和Softmax函数，计算出三个动态权重，最终输出三个 分支的加权和：，其中，为多层感知机，为融合权重，为归一化函数，为最终输出张量。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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。