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！

龙图腾网获悉国网上海市电力公司;上海电力大学申请的专利一种基于多任务学习的多元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：CN120744462B 。

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：202511221335.0，技术领域涉及：G06F18/213；该发明授权一种基于多任务学习的多元负荷预测方法及系统是由徐建兵;赵慧荣;周江昕;李越;张健荣;杨静如;彭道刚;刘珣;渠博岗;王丹豪设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本一种基于多任务学习的多元负荷预测方法及系统在说明书摘要公布了：本发明涉及一种基于多任务学习的多元负荷预测方法及系统，方法包括以下步骤：采集负荷历史数据、气象数据和日期数据并整合为综合数据，并对综合数据进行数据预处理得到多维输入张量；将多维输入张量输入预训练的负荷预测模型中进行联合预测，得到负荷预测结果，负荷预测模型为CNN‑GRU‑MTL深度学习模型，包括依次连接的输入层、CNN层、GRU层和输出层，CNN层和GRU层上设置有MTL硬共享框架，CNN层用于提取综合数据的局部时空特征，GRU层用于对局部时空特征进行时序建模，MTL硬共享框架用于实现CNN层和GRU层上的负荷数据特征共享，对多元负荷数据进行同时预测。与现有技术相比，本发明显著提升了对多种负荷进行预测的预测精度。

本发明授权一种基于多任务学习的多元负荷预测方法及系统在权利要求书中公布了：1.一种基于多任务学习的多元负荷预测方法，其特征在于，包括以下步骤： S1、采集负荷历史数据、气象数据和日期数据，将所述负荷历史数据与气象数据和日期数据相整合为综合数据，并对所述综合数据进行数据预处理得到多维输入张量； S2、将所述多维输入张量输入预训练的负荷预测模型中进行联合预测，得到负荷预测结果，所述负荷预测模型为CNN-GRU-MTL深度学习模型，包括依次连接的输入层、CNN层、GRU层和输出层，所述CNN层和GRU层上设置有MTL硬共享框架，所述CNN层用于提取所述综合数据的局部时空特征，所述GRU层用于对所述局部时空特征进行时序建模，所述MTL硬共享框架用于实现所述CNN层和GRU层上的负荷数据特征共享，对多元负荷数据进行同时预测，所述负荷预测模型的联合损失函数为： 式中，为联合损失函数，为负荷预测模型的全部可训练参数，为任务数量，，包含冷负荷、热负荷和电负荷，为第个任务的加权系数，为样本数量，为第个任务中第个样本的预测值，为第个任务中第个样本的真实值，为相关性正则项的权重系数，为任务和任务之间的动态相关性系数，为经过MTL硬共享框架提取的第个任务的特征嵌入表示，为经过MTL硬共享框架提取的第个任务的特征嵌入表示，为正则化项权重，为Sigmoid函数，为激活函数，、、和为可训练参数，为任务特征间的余弦相似度。

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上海市电力公司;上海电力大学，其通讯地址为：200122 上海市浦东新区中国(上海)自由贸易试验区源深路1122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。