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！

龙图腾网获悉山东大学申请的专利一种日前电力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：CN120810615B 。

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：202511316135.3，技术领域涉及：H02J3/00；该发明授权一种日前电力负荷预测方法及系统是由杨明;李梦林;于一潇;马浩宇;王振宇;李鹏设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本一种日前电力负荷预测方法及系统在说明书摘要公布了：本发明涉及一种日前电力负荷预测方法及系统，属于电力负荷预测技术领域。步骤包括：1模型构建，对于待预测的第d天第t时刻的负荷，数值受多重因素影响，根据多重因素，构建混合神经网络和连续条件随机场；2模型求解与参数训练，通过前向推导‑误差反向传播实现混合神经网络与连续条件随机场训练；3利用训练后的混合神经网络与连续条件随机场进行电力负荷预测。本发明利用高斯核函数量化日内各时刻之间负荷的时序相依关系，并将多重相依关系嵌入至CCRF的概率无向图框架中进行整体建模与预测求解，提高日前负荷预测的精准度。

本发明授权一种日前电力负荷预测方法及系统在权利要求书中公布了：1.一种日前电力负荷预测方法，其特征在于，步骤如下： 1模型构建，对于待预测的第d天第t时刻的负荷，数值受多重因素影响，根据多重因素，构建混合神经网络，混合神经网络由多层LSTM神经网络和多层全连接FNN组成，用于联合挖掘负荷的周尺度周期特性与气象非线性相依性关系，形成特征与负荷的点对点映射模型，并构建连续条件随机场； 多重因素包括周尺度周期特性、气象非线性相依性和日内时序相关性，混合神经网络构建步骤包括： 11针对多重因素，进行特征差异化提取，对于周尺度周期特性，将其描述为对历史N天同时刻负荷的时序外推，采用多层LSTM神经网络进行特性挖掘；对于气象非线性相依性，将其表示为待预测时刻负荷与气象特征向量的非线性函数，分别表示温度、湿度、降雨量、短波辐射和风速，采用全连接FNN进行特性挖掘； 具体步骤为： 111将气象特征向量输入至全连接FNN的输入层，经过k1层隐含层，得到中间隐含状态向量，该过程简化为式1表述； 1 其中，表示输入层、隐含层和输出层可训练的网络权重矩阵和偏置向量； 112将待预测t时刻历史负荷输入至多层LSTM神经网络，得到中间隐含状态向量，该过程简化为式2所示； 2 其中，表示LSTM神经网络所有的可训练参数； 12特性融合建模，将步骤11得到的两个隐含状态向量进行向量拼接操作，然后输入至另一全连接FNN，经过层隐含层，得到最终的状态变量，该过程用下式表述： 3 式中：表示该过程输入层、隐含层和输出层可训练的网络权重矩阵和偏置向量； 最终整个混合神经网络映射模型用下式表示： 4 2模型求解与参数训练，通过前向推导-误差反向传播实现混合神经网络与连续条件随机场训练； 3利用训练后的混合神经网络与连续条件随机场进行电力负荷预测。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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。