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！

龙图腾网获悉大连理工大学申请的专利一种含温度敏感负荷的夏季负荷预测分层模型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：CN115238976B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210819610.9，技术领域涉及：G06Q10/04；该发明授权一种含温度敏感负荷的夏季负荷预测分层模型是由鲍福增;刘娆;常燕南;孙艺文;巴宇;王海霞设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本一种含温度敏感负荷的夏季负荷预测分层模型在说明书摘要公布了：一种含温度敏感负荷的夏季负荷预测分层模型，将其应用于夏季电力系统日前负荷预测问题。步骤为：1建立第一层神经网络模型，用以分离和预测系统负荷中的温度敏感趋势量。2得到历史温度敏感趋势负荷和历史残差负荷。3建立并训练第二层神经网络。4得到预测负荷结果。本发明构建分层的神经网络模型，第一层先对考虑温度对负荷非线性影响的神经网络进行训练，以突出温度影响；将这一层得到的温度敏感趋势量结合系统负荷获得残差负荷送入第二层，考虑其他非温度影响负荷的因素，实现对残差负荷的预测；最后整合两层的预测结果，完成夏季的负荷预测。本发明思路简单、灵活，可显著提升模型的预测精度，解决了使用神经网络进行夏季负荷预测时没有突出温度的首要影响的问题。

本发明授权一种含温度敏感负荷的夏季负荷预测分层模型在权利要求书中公布了：1.一种含温度敏感负荷的夏季负荷预测分层模型，其特征在于，包括以下内容： 步骤1：建立第一层神经网络模型，用以分离和预测系统负荷中的温度敏感趋势量； 所述的第一层神经网络探究温度与负荷之间的关系，根据TCN神经网络的特点获得第一层神经网络的输入和输出如式1所示； output＝LT 其中，Ti表示待拟合负荷i-1小时前的温度，hi表示待拟合负荷i-1小时前的小时数，LT表示待拟合的温度趋势负荷，在训练中用系统负荷L代替； 在模型的输入输出确定后，建立分层模型中的第一层神经网络； 步骤2：得到历史温度敏感趋势负荷和历史残差负荷；通过将待预测日前一段时间的数据作为训练集，对步骤1建立的第一层神经网络进行训练，可以得到历史系统负荷中的历史温度敏感趋势负荷，再将历史系统负荷减去历史温度敏感趋势量负荷可以得到历史残差负荷； 步骤3：建立并训练第二层神经网络，用来考虑非温度其他因素对负荷的作用； 第一层神经网络探究温度与负荷的变化关系，在从总负荷中减去第一层神经网络输出的温度影响趋势负荷后，将对系统负荷的预测转化为对残差负荷的预测，从而剔除温度对负荷预测的影响，研究非温度影响因素的作用，即第二层神经网络仅需关注非温度影响因素对残差负荷的影响；基于LSTM神经网络搭建第二层神经网络，用来完成对残差负荷的预测；依据LSTM神经网络的特点建立第二层神经网络的输入和输出如式2所示； output＝R 其中，Ri表示待预测时间点23+i小时前的残差负荷，Wi表示预测时间点i-1小时前的风速，hi表示待预测时间点i-1小时前小时数，表示待预测时间点i-1小时前的经过one-hot编码的星期数据，R表示待预测残差负荷； 在模型的输入输出确定后，建立分层模型中的第二层神经网络；并对第二层神经网络进行训练，第二层的神经网络的训练集为第一层神经网络的训练结果； 步骤4：得到预测负荷结果；使用第一层神经网络得到待预测日的温度趋势负荷，使用第二层神经网络得到待预测日的残差负荷；将两者相加得到了待预测日的系统负荷。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。