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申请的专利一种基于LSTM的负荷资源参数精准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：CN121413889B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511983382.9，技术领域涉及：G06Q10/04；该发明授权一种基于LSTM的负荷资源参数精准预测方法及系统是由琚洁华;夏世超;朱彬斌;王青磊;蒋珊珊;沈颖;李振彦;沈天盛;李雯婷;胡慧琳;王益明设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本一种基于LSTM的负荷资源参数精准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LSTM的负荷资源参数精准预测方法及系统，该方法包括以下步骤：获取相关用户侧的资源数据，进行预处理；基于预处理后的相关用户侧的资源数据，采用负荷侧资源双层聚类模型进行聚类处理，得到考虑用户负荷特性的可调节潜力的综合聚类结果；采用构建好的用户侧负荷资源识别模型分析负荷投切时产生的功率暂态波形，识别出当前运行的用电设备类型、启停时间及持续时间，作为第一类参数；基于预处理后的相关用户侧的资源数据，结合综合聚类结果和实时外生特征，采用训练好的基于LSTM的负荷资源参数预测模型进行时序预测处理，输出第二类参数，完成参数预测过程。与现有技术相比，本发明具有实现参数精准预测等优点。

本发明授权一种基于LSTM的负荷资源参数精准预测方法及系统在权利要求书中公布了：1.一种基于LSTM的负荷资源参数精准预测方法，其特征在于，包括： 获取相关用户侧的资源数据，进行预处理； 基于预处理后的相关用户侧的资源数据，采用负荷侧资源双层聚类模型进行聚类处理，得到考虑用户负荷特性的可调节潜力的综合聚类结果； 基于预处理后的相关用户侧的资源数据，采用构建好的用户侧负荷资源识别模型分析负荷投切时产生的功率暂态波形，识别出当前运行的用电设备类型、启停时间及持续时间，作为第一类参数，所述用户侧负荷资源识别模型的执行过程包括： 波形分割： 基于预处理后的实时负荷功率时间序列数据，在设定的时间滑动窗口内，当满足设定条件时，以此为候选负荷事件的起始点，截取一个固定长度的负荷功率时间子序列，形成一个候选负荷事件波形片段，其中所述设定条件为： ， 式中，为时间t的负荷功率变化量，为时间t的负荷功率值，为功率跃变阈值，为负荷功率平均值； 特征提取： 对于每一个候选负荷事件波形片段，采用主成分分析法进行特征提取，得到用能特征的时间序列表示向量； 相似性匹配与识别： 采用动态时间调整算法，计算所述用能特征的时间序列表示向量与设备参考波形库中的所有模板向量之间的DTW距离，将其作为相似性度量指标； 选择DTW距离最小的设备类型作为对应候选负荷事件波形片段的识别结果，输出当前被激活的用电设备类型、启停时间及持续时间； 基于预处理后的相关用户侧的资源数据，结合所述综合聚类结果和实时外生特征，采用训练好的基于LSTM的负荷资源参数预测模型进行时序预测处理，输出第二类参数，完成参数预测过程，其中第二类参数包括总负荷功率曲线、可调节容量、负荷弹性参数，所述基于LSTM的负荷资源参数预测模型包括具有四个分支的多尺度特征提取模块、特征融合模块和时序预测模块，所述基于LSTM的负荷资源参数预测模型的执行步骤包括： 输入数据融合： 将预处理后的历史及当前负荷时间序列数据、所述综合聚类结果和实时外生特征进行融合，作为输入数据； 多尺度特征提取： 将一维的输入数据输入到第一分支中，先采用重塑操作转换为二维数据，利用二维卷积和池化操作提取出不同时间跨度的局部波动和全局轮廓特征，再执行平均池化操作、最大池化操作和展平操作，最后通过全连接操作输出第一分支特征； 将一维的输入数据输入到第二分支中，采用递归和上采样网络以及跳跃连接进行处理，得到第二分支特征； 将一维的输入数据输入到第三分支中，采用一维神经网络执行下采样操作，再利用双向LSTM从下采样序列提取有关趋势和波动的相关信息，最终输出第三分支特征； 将一维的输入数据输入到第四分支中，采用Light-GBM算法深度挖掘所述实时外生特征与历史及当前负荷时间序列数据之间的非线性关联，最终输出第四分支特征； 多尺度特征融合： 将所述第一分支特征、第二分支特征、第三分支特征和第四分支特征输入特征融合模块中进行特征拼接或加权融合，得到综合性特征表示； 时序预测： 将所述综合性特征表示输入时序预测模块中进行时序预测，输出未来特定时段的负荷资源参数预测值，包括未来特定时段的总负荷功率曲线、可调节容量和负荷弹性参数； 所述时序预测模块采用基于注意力机制的LSTM进行时序预测，所述基于注意力机制的LSTM包括串行连接的自注意层和双向交互LSTM，其执行步骤包括： 通过自注意层为不同时间步的所述综合性特征表示分配注意力权重，其中注意力权重的计算表达式为： ， 式中，为时间步t的注意力权重，为时间步t的注意力得分，为时间步t的LSTM隐藏状态向量，为时间序列总长度，为可训练权重矩阵，为上下文向量； 根据分配的所述分配注意力权重，采用双向交互LSTM从前后两个方向上进一步捕捉时序上下文依赖，最终输出未来特定时段的负荷资源参数预测值。

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国网上海市电力公司，其通讯地址为：200122 上海市浦东新区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。