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！

龙图腾网获悉国网福建省电力有限公司;北京科东电力控制系统有限责任公司;厦门大学平潭研究院申请的专利一种基于机器学习的电网运行决策分析方法、系统及设备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：CN118350568B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202410309198.5，技术领域涉及：G06Q10/0631；该发明授权一种基于机器学习的电网运行决策分析方法、系统及设备是由陈斌;范海威;李泽科;刘必晶;陈建洪;郭久煜;吴炜;林凡;温兴玺;丁凌龙;黄海腾;杨勇设计研发完成，并于2024-03-19向国家知识产权局提交的专利申请。

本一种基于机器学习的电网运行决策分析方法、系统及设备在说明书摘要公布了：本发明提供一种基于机器学习的电网运行决策分析方法、系统及设备，涉及数据处理技术领域，方法包括：获取历史电网运行数据；构建趋势增量模块；构建具有多层门控循环单元的改进自回归模型，并将趋势增量模块和改进自回归模型并联，得到融合预测模型；对融合预测模型进行训练，并以最小化损失函数为目标进行超参数寻优；获取实时电网运行数据；将实时电网运行数据输入至训练后的融合预测模型，输出电力预测序列；确定与融合电力特征序列的预测时长呈正相关的误差传播系数，并结合误差传播系数和瞬时电力需求量计算在预设时长内的电力调度总量；根据瞬时电力需求量和电力调度总量进行电力调度。降低预测过程中的误差传播影响，提升预测准确性。

本发明授权一种基于机器学习的电网运行决策分析方法、系统及设备在权利要求书中公布了：1.一种基于机器学习的电网运行决策分析方法，其特征在于，包括：S1：获取历史电网运行数据；S2：构建具有电力运行数据的周期特征函数和事件特征函数的趋势增量模块；S3：构建具有多层门控循环单元的改进自回归模型，并将所述趋势增量模块和所述改进自回归模型并联，得到融合预测模型；S4：结合残差绝对值的中位数建立损失函数，其中，所述残差为实际值和预测值之间的差值；S5：引入勒维飞行原理改进虎鲸捕食算法，将所述历史电网运行数据作为训练数据输入至所述融合预测模型，以对所述融合预测模型进行训练，并以最小化所述损失函数为目标，利用改进的虎鲸捕食算法对所述融合预测模型进行超参数寻优；S6：获取实时电网运行数据；S7：将所述实时电网运行数据输入至训练后的融合预测，输出电力预测序列，其中，所述融合电力预测序列包括多个瞬时电力需求量；S8：确定与所述融合电力特征序列的预测时长呈正相关的误差传播系数，并结合所述误差传播系数和所述瞬时电力需求量计算在预设时长内的电力调度总量；S9：根据所述瞬时电力需求量和所述电力调度总量进行电力调度；其中，所述S2具体包括：S201：根据所述电力运行数据的周期的不同，建立基于傅里叶项的周期特征函数： 其中，Sτ表示所述周期特征函数，Spτ表示预测步长τ下的周期特征子函数，p表示周期时长，P表示周期时长集合，k表示在周期时长下的傅里叶项数量，j表示所述傅里叶项数量的指示参数，aj和bj分别表示第j个傅里叶项的正弦项系数和余弦项系数；S202：根据事件项的不同，建立二进制变量形式的事件特征函数： 其中，Et表示所述事件特征函数，E表示时刻t的事件集合，ze表示事件e的电力需求影响系数；S203：结合所述周期特征函数和所述事件特征函数，构建基本趋势增量函数： 其中，ci，i＝1,2,…nc表示斜率变化点nc的集合，和分别表示第i个斜率变化点ci和斜率变化点ci-1对应的时刻，表示时间段内的基本趋势增量函数，k表示时间段内的斜率，m表示时间段内的偏移量；S205：将所述周期特征函数和所述事件特征函数作为所述基本趋势增量函数的因子，构建所述趋势增量模块： 其中，表示时间段内的趋势增量模块即趋势增量预测值。

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福建省电力有限公司;北京科东电力控制系统有限责任公司;厦门大学平潭研究院，其通讯地址为：350000 福建省福州市鼓楼区五四路257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”。