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！

龙图腾网获悉南京则鸣新能源技术有限公司申请的专利一种半规范化用电负荷回归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：CN121367188B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511893299.2，技术领域涉及：H02J3/00；该发明授权一种半规范化用电负荷回归预测方法及系统是由单杨;韩丹;张梦楠设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本一种半规范化用电负荷回归预测方法及系统在说明书摘要公布了：本发明公开了一种半规范化用电负荷回归预测方法及系统，包括：显式定义并采集影响用电负荷的已知影响因素；构建用电负荷预测模型，所述用电负荷预测模型用于计算用电负荷预测值；执行第一步训练，基于历史用电负荷数据和历史已知影响因素，训练用电负荷预测模型当中各个已知影响因素的权重以及随机误差项；执行第二步训练，基于第一步训练的结果提取残差，训练用电负荷预测模型当中未知影响因素的系数，并归纳未知影响因素的统计规律；向训练后的用电负荷预测模型输入待预测时刻的已知影响因素，计算待预测时刻的用电负荷预测值。本发明降低了数据长度要求，能够实现小样本学习，可以显式融合已知规律，同时增强灵活性与可解释性。

本发明授权一种半规范化用电负荷回归预测方法及系统在权利要求书中公布了：1.一种半规范化用电负荷回归预测方法，其特征在于，所述方法包括以下步骤： 步骤1：显式定义并采集影响用电负荷的已知影响因素，每个已知影响因素对应可量化的特征变量，所述已知影响因素包括具有周期性规律的因素和外部环境特征因素； 步骤2：构建用电负荷预测模型，所述用电负荷预测模型通过对每个已知影响因素进行加权求和，并联合自归纳的未知影响因素、未知影响因素的系数和随机误差项计算用电负荷预测值； 步骤3：执行第一步训练，基于历史用电负荷数据和历史已知影响因素，训练用电负荷预测模型当中各个已知影响因素的权重以及随机误差项； 步骤4：执行第二步训练，基于第一步训练的结果提取残差，训练用电负荷预测模型当中未知影响因素的系数，并归纳未知影响因素的统计规律； 步骤5：向训练后的用电负荷预测模型输入待预测时刻的已知影响因素，计算待预测时刻的用电负荷预测值； 所述步骤2，具体包括： 构建式1形式的用电负荷预测模型： 式1 其中，表示第i个已知影响因素的权重，表示t时刻的第i个已知影响因素，m表示已知影响因素的数量，表示未知影响因素的系数，表示未知影响因素，表示随机误差项，表示t时刻的用电负荷预测值； 所述步骤3，具体包括以下步骤： 步骤3.1：初始化用电负荷预测模型当中各个已知影响因素的权重； 步骤3.2：将用电负荷预测模型退化为式2的形式： 式2 步骤3.3：基于历史用电负荷数据和历史已知影响因素，采用式3作为优化目标，通过最小二乘法求解已知影响因素的权重和随机误差项，使式2计算出的用电负荷与历史用电负荷数据之间的均方误差为最小值： 式3 其中，表示t时刻的历史用电负荷，n表示历史用电负荷数据的样本数量； 所述步骤4，具体包括以下步骤： 步骤4.1：基于求解出的已知影响因素的权重和随机误差项，采用式4的方式计算残差： 式4 其中，表示残差； 步骤4.2：采用式5作为优化目标，通过最小化残差与未知影响因素的系数乘以未知影响因素之间的误差，求解未知影响因素的系数： 式5 其中，未知影响因素服从预设分布，所述预设分布包括正态分布或泊松分布，所述预设分布根据历史残差的实际分布特征确定，未知影响因素的系数为残差的标准差； 步骤4.3：通过使残差除以未知影响因素的系数提取未知影响因素，并归纳未知影响因素的统计规律，所述统计规律包括未知影响因素的均值、方差和时间自相关性，用于预测待预测时刻的未知影响因素值。

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南京则鸣新能源技术有限公司，其通讯地址为：211500 江苏省南京市六合区龙池街道虎跃东路8号六合科创园B6栋505室；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。