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;国网福建省电力有限公司厦门供电公司;北京科东电力控制系统有限责任公司申请的专利一种面向有源配电网的精细化负荷预测方法和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：CN116227637B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202310168557.5，技术领域涉及：G06Q10/02；该发明授权一种面向有源配电网的精细化负荷预测方法和系统是由高俊彦;陈灵;殷自力;张功林;黄亦昕;吴桐;吴清潮;张瑞雪;朱凯复;侯哲帆;倪永峰设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本一种面向有源配电网的精细化负荷预测方法和系统在说明书摘要公布了：本发明涉及一种面向有源配电网的精细化负荷预测方法和系统。精确划分光伏功率和用电负荷，根据坏数据的类别用不同方法对光伏功率数据和用电负荷数据进行数据清洗，采用卷积神经网络ResNet18_1D搭建模型预测光伏功率，挖掘各行业负荷特性规律，采用循环神经网络GRU结构搭建模型预测用电负荷，累加光伏功率和用电负荷预测值得到有源配电网的精细化负荷预测结果。该方法能够实现对有源电力负荷的精准预测，满足了新型有源配电网负荷预测的要求，提升了预测准确率。

本发明授权一种面向有源配电网的精细化负荷预测方法和系统在权利要求书中公布了：1.一种面向有源配电网的精细化负荷预测方法，其特征在于，包括如下步骤： 步骤S1、负荷功率数据清洗：将配变等值负荷按照拓扑结构、分布式光伏功率数据分成分布式光伏功率数据的发电分量和用电负荷分量；对分布式光伏功率数据和用电负荷数据分别进行数据清洗； 步骤S2、分布式光伏功率预测：为每个分布式光伏单站建立模型，基于模型进行短期和超短期的功率预测，然后根据拓扑关系和地理位置累加得到配变台区-馈线-变电站-区县-地市各层级的光伏功率预测结果；采用卷积神经网络ResNet18_1D结构搭建分布式光伏短期功率预测模型，采用循环神经网络算法，基于气象监测装置采集的数据，训练超短期辐照度预测模型；采用极端梯度提升算法XgBoost训练光伏功率超短期预测模型； 步骤S3、行业负荷特性分析：行业负荷特性分析包括两个部分，第一步是通过历史负荷数据分析各行业负荷和不同气象影响因素的关系，挖掘各行业主要的影响因素；第二步是使用聚类分析方法，提取负荷相似日的典型特征曲线； 步骤S4、精细化负荷预测：精细化负荷预测包括三个步骤：①基于行业特性分析结果为每个配变建立负荷预测模型；②基于模型得到配变的用电负荷预测结果，结合相应配变下的光伏功率预测结果，累加得到相应配变的精细化负荷预测结果；③基于拓扑关系和地理位置，基于配变的预测结果得到地市-区县-变电站-馈线各层级的负荷预测结果；具体实现步骤如下： 1建立负荷预测模型 采用循环神经网络GRU门单元搭建短期负荷预测模型； 2计算配变精细化负荷预测结果 将预测日前3天、上周同1天的历史负荷，预测日的气象数据和日期类型做归一化处理和one-hot编码处理之后输入模型得到预测日及后2天，共3天的短期用电负荷预测结果； 未来0-4小时的超短期预测结果通过实时负荷与短期预测结果校正的方式给出： 现场数据点的采样时间为15分钟，设δt＝15分钟； 超短期预测时间范围为4个小时，设N＝16； 用当前时刻t往前N个δt时刻的短期负荷预测相对误差αs来预测超短期预测的相对误差αus，t+δt时刻的超短期预测结果Fust+δt的计算公式如下： 式中，Yt和Fst分别表示t时刻的实际和短期预测值，Wn表示t-n·δt时刻的权重； 将用电负荷预测结果和光伏功率预测结果相加，得到配变的短期精细化负荷预测结果； 3计算各层级负荷预测结果 预测得到配变的短期精细化负荷预测结果，根据拓扑关系累加得到地市-区县-变电站-馈线各层级设备的精细化负荷预测结果。

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国网福建省电力有限公司;国网福建省电力有限公司厦门供电公司;北京科东电力控制系统有限责任公司，其通讯地址为：350003 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”。