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！

龙图腾网恭喜福州大学申请的专利一种基于时间通道融合策略及mxlstm的用电量动态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：CN119558688B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202510095641.8，技术领域涉及：G06Q10/0637；该发明授权一种基于时间通道融合策略及mxlstm的用电量动态预测方法是由张昂;邱嘉毅;林彦皓;张书畅;林智伦;卢孝强设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本一种基于时间通道融合策略及mxlstm的用电量动态预测方法在说明书摘要公布了：本发明提供一种基于时间通道融合策略及mxlstm的用电量动态预测方法，通过采用时间通道融合方法，结合随机洗牌策略和早停策略，利用基于扩张卷积的多尺度特征提取和路径注意力权重优化后的Multi‑Attention‑OLSTM模型，以结合历史时间用电数据及外围多元数据实现用电量预测。以有效结合用电量数据和外部多元相关数据实现预测，高效地处理和分析用电量变化中的时空动态特征。本发明可广泛应用于不同企业的用电量数据监控及预测，为用电客户优化生产结构、判断设备故障提供参考，为售电公司在电力期货交易中提供决策依据，为发电企业发电量提供提前参考值，为均衡电网负荷削峰平谷提供先导指标，具有较高的应用价值和社会效益。

本发明授权一种基于时间通道融合策略及mxlstm的用电量动态预测方法在权利要求书中公布了：1.一种基于时间通道融合策略及mxlstm的用电量动态预测方法，其特征在于：通过采用时间通道融合方法，结合随机洗牌策略和早停策略，利用基于扩张卷积的多尺度特征提取和路径注意力权重优化后的Multi-Attention-OLSTM模型，以结合历史时间用电数据及外围多元数据实现用电量预测；所述时间通道融合方法为采用时间通道融合策略对原始独立时间通道进行融合处理，具体步骤如下：首先对多个时间通道降维处理至2个维度，从中提取初步特征；之后执行以下时间通道融合的算法：初始化CF树参数，包括内部节点最大CF数、叶子节点最大CF数和最大样本半径阈值；从数据集中读取第一个样本点，创建一个新的CF三元组作为根节点： 上式中：表示各点线性求和，表示各点平方和，表示第n个样本点，xni表示第n个样本点第i维大小，N表示样本点的总数；将新样本点插入CF树，通过创建或更新CF节点以及进行节点分裂，最终根据CF树中的CF节点，提取融合结果，每个CF节点代表一个融合类： 上式中：表示融合类质心，表示各样本点，表示类半径，表示类直径，表示类间距离，、分别表示任意两个簇中样本点的总数，分别表示任意两个簇中样本点的加和值，分别表示任意两个簇中样本点的平方和；由此得到多个融合类；然后对得到的融合结果使用随机洗牌策略对边界元素进行交换，以优化边界融合结果；基于所述时间通道融合方法确定的融合结果合并，将同类时间通道和外界气象数据作为所述Multi-Attention-OLSTM模型的多特征输入；通过扩张卷积提取时间序列的短期与中尺度特征，总共提取小时和周为单位共两种时间步，针对两种时间尺度的特征进行不同层次的动态加权，以使每个注意力模块对数据中的时序关系进行自适应调整；所述扩张卷积操作的公式为： 其中，为输入数据序列，为输出序列，为扩张因子，为卷积核权重，为卷积核长度；通过调整扩张因子，以获取不同时间尺度的特征；所述Multi-Attention-OLSTM模型采用引入大核注意力机制调整后的自注意力机制公式为： 其中，Q是当前时刻的预测目标，即未来用电量；K是历史时间步的特征信息，包含所有外界指标，V是每个历史时刻对应的实际用电量值，是通过扩展核大小计算的权重系数。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。