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！

龙图腾网获悉重庆邮电大学申请的专利一种结合CDC-VMD和回声状态网络的短期电力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：CN116090627B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310003746.7，技术领域涉及：G06Q10/04；该发明授权一种结合CDC-VMD和回声状态网络的短期电力负荷预测方法是由唐贤伦;郭祥麟;谢颖;李自若;李洁;张家瑞;邹密;罗洪平设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。

本一种结合CDC-VMD和回声状态网络的短期电力负荷预测方法在说明书摘要公布了：本发明请求保护一种结合CDC‑VMD和回声状态网络的短期电力负荷预测方法，首先使用局部方向中心性聚类算法CDC对原始负荷数据进行精确聚类，并采用戴维森堡丁指数DBI对比其他聚类算法，得出CDC算法聚类效果最优。之后采用变分模态分解VMD对负荷数据进行处理，将负荷序列分解得到多个本征模态函数IMF，以降低神经网络预测模型输入数据的复杂程度，分别计算各个IMF分量的样本熵SE，将相近样本熵值的分量合并为一个新的序列，以减少所需训练的模型数量，最后利用深度回声状态网络DESN来拟合各个序列的历史数据和预测数据的关系，并叠加各模型的预测结果得到最后的预测值。本发明相比于传统预测方法，有更高的精确性。

本发明授权一种结合CDC-VMD和回声状态网络的短期电力负荷预测方法在权利要求书中公布了：1.一种结合CDC-VMD和回声状态网络的短期电力负荷预测方法，其特征在于，包括以下步骤： 步骤1：对原始电力负荷数据进行数据清洗，并采用聚类算法对清洗后的负荷数据进行聚类，采用戴维森堡丁指数DBI对聚类结果分析，根据DBI指标得出采用CDC聚类算法的聚类性能最优； 步骤2：对聚类后的负荷序列采用变分模态VMD分解得到各个分解后的负荷序列； 步骤3：计算各个分解负荷序列的样本熵，将样本熵值相近的模态分量合并组成新的分量； 步骤4：对合并后的新的分量进行归一化处理，将其映射到[0,1]之间； 步骤5：利用滑动窗口构建时间序列输入输出标签对，输入输出标签对用于训练预测模型； 步骤6：构建结合CDC-VMD和回声状态网的短期电力负荷预测模型，并采用Adam优化算法来调节模型权重参数，寻找网络最优值； 步骤7：将归一化后的分量放入深度回声状态网DESN进行训练； 步骤8：将训练后的各个分量进行负荷序列重构，得到预测后的负荷数据，输出预测结果； 所述步骤1对原始负荷数据进行聚类，具体包括以下步骤： 1计算角度方差即局部的方向中心性度量，角度方差用来表征每个点的K最近邻分布均匀性， 2基于局部的方向中心性度量，设定阈值，划分边界点和内部点，其中边界点的DCM值大于阈值，内部点的DCM值小于阈值； 3生成约束内部点的连接，即划分每个簇，具体方法：计算边界点与每个内部点的 最近距离，计算内部点之间的距离，如果，则内部点与同簇，反之不同 簇； 内部点簇划分依据： 利用戴维森堡丁指数DBI对聚类结果分析，计算公式如下： 式中：是类内数据到簇质心的平均距离，代表了簇类中各时间序列的分散程度， 表示各簇的聚类中心；对于每个簇，DBI首先找到内部类平均距离和之和除以两个簇中 心之间的距离的最大值；然后将这些最大值相加得到平均值；CDC聚类算法的DBI指数最低， 聚类效果最优。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。

以上内容由龙图腾AI智能生成。