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！

龙图腾网恭喜国网江苏省电力有限公司营销服务中心;国网江苏省电力有限公司申请的专利基于改进TCN修正累积误差的可调节负荷功率多步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：CN114066052B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202111348852.6，技术领域涉及：H02J3/00；该发明授权基于改进TCN修正累积误差的可调节负荷功率多步预测方法是由吴亦贝;杨斌;李波;杨世海;陈铭明;陆婋泉;程含渺;苏慧玲;瞿亚运;张驰设计研发完成，并于2021-11-15向国家知识产权局提交的专利申请。

本基于改进TCN修正累积误差的可调节负荷功率多步预测方法在说明书摘要公布了：基于改进TCN修正累积误差的可调节负荷功率多步预测方法，包括：采用变分模态分解可调节负荷功率序列得到主成分序列和噪声序列；构建基于多尺度卷积方法和自注意力方法模型，以自适应移动平滑处理后的噪声序列为输入，分别获得可调节负荷功率序列的时空特征，可调节负荷预测值与可调节负荷功率历史数据之间的映射关系；以时空特征为输入，基于单个TCN，建立单步预测模型，在此基础上，以多通道TCN作为解码层，基于多尺度卷积方法和自注意力方法的模型作为编码层，建立多步预测模型；根据预测步数选择预测模型对可调节负荷功率进行预测。本方法利用多通道TCN降低前步预测误差的影响，有效减少可调节负荷功率多步预测的误差累积。

本发明授权基于改进TCN修正累积误差的可调节负荷功率多步预测方法在权利要求书中公布了：1.基于改进TCN修正累积误差的可调节负荷功率多步预测方法，其特征在于，所述方法包括：步骤1，采集可调节负荷功率历史数据并进行预处理，得到可调节负荷功率序列；步骤2，采用变分模态分解方法对可调节负荷功率序列进行分解，得到主成分序列和噪声序列；步骤3，采用自适应移动平滑方法对噪声序列进行平滑处理；步骤4，构建基于多尺度卷积方法和自注意力方法的模型；利用基于多尺度卷积方法和自注意力方法的模型，采用多尺度卷积方法从平滑处理后的噪声序列中提取可调节负荷功率序列的时间特征和空间特征；采用自注意力方法得到时间特征和空间特征之间的相关性；根据相关性提取时间特征和空间特征中的重要特征，将重要特征与可调节负荷功率序列的关联性，作为可调节负荷预测值与可调节负荷功率历史数据之间的映射关系；包括：步骤4.1，采用多尺度卷积方法从平滑处理后的噪声序列中提取可调节负荷功率序列的时间特征和空间特征； 式中，cm为多尺度卷积的输出，即主成分序列的时间特征和空间特征，为经过平滑处理后的噪声序列，*为卷积操作，Kr为第r层卷积核尺度，r＝1，2，...，L，为第r层第j个时间卷积核，大小为1×Kr，其中j＝1，2，…，n，n为时间卷积核的总数，为第r层的空间卷积核，大小为L×1，L为输入特征数；步骤4.2，利用自注意力方法提取时间特征和空间特征之间的相关性，生成时空特征的相关系数和映射关系；其中，自注意力方法的QKV模型满足如下关系式： 式中，ISA为利用多尺度卷积的输出cm组成的n×m的矩阵，其中，m为模态分量的总数，n为时间卷积核的总数，为QKV模型的权重矩阵，其中*表示Q、K、V，权重矩阵的大小为n×n，为QKV模型的偏置矩阵，其中*表示Q、K、V，偏置矩阵的大小为n×m；利用矩阵Q和矩阵K计算得到时空特征的相关系数，矩阵V表征时空特征的映射关系；步骤4.3，利用S＝softmaxQKV函数计算得到权重矩阵，根据权重矩阵提取时间特征和空间特征中的重要特征，将重要特征与可调节负荷功率序列的关联性，作为可调节负荷预测值与可调节负荷功率历史数据之间的映射关系；步骤5，以可调节负荷功率序列的时间特征和空间特征为输入，基于单个多输入单输出的时间卷积网络，建立可调节负荷功率的单步预测模型；包括：步骤5.1，以可调节负荷功率序列的时间特征和空间特征为输入数据集，并将输入数据集划分为训练集和测试集；步骤5.2，以单个多输入单输出时间卷积网络为解码层，将基于多尺度卷积方法和自注意力方法的模型作为编码层，建立可调节负荷功率的单步预测模型；步骤5.3，利用训练集对单步预测模型进行训练；步骤5.4，以训练好的模型作为最终的单步预测模型；步骤6，在单步预测模型的基础上，以训练好的多输入多输出的时间卷积网络作为解码层，将基于多尺度卷积方法和自注意力方法的模型作为编码层，建立可调节负荷功率的多步预测模型；包括：步骤6.1，以可调节负荷功率序列的时间特征和空间特征为输入数据集，并将输入数据集划分为训练集和测试集；步骤6.2，在最终的单步预测模型的基础上，通过全连接层实现多个时间卷积网络的并联连接；步骤6.3，在多种预测步长下，以训练集对多个并联的时间卷积网络进行训练，以时间卷积网络的输出值与实际值的偏差最小为迭代控制指标，通过多次迭代更新后，获得多种预测步长下，多输入与多输出的非线性映射关系集合；步骤6.4，根据非线性映射关系集合，训练得到最终的多输入多输出的时间卷积网络，其中，任一时间卷积网络的输出为Fn为该时间卷积网络中滤波器的个数；步骤6.5，将最终的多输入多输出的时间卷积网络作为解码层，将基于多尺度卷积方法和自注意力方法的模型作为编码层，经过线性变换和引入Relu函数，建立可调节负荷功率的多步预测模型，满足如下关系式： 式中，yd为第d步预测值，为第d步预测输出的权重，bd为第d步预测输出的偏置；步骤7，根据预测步数选择预测模型，即单步预测时选用单步预测模型，多步预测时选用多步预测模型，由所选择的预测模型对可调节负荷功率进行预测。

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国网江苏省电力有限公司营销服务中心;国网江苏省电力有限公司，其通讯地址为：210019 江苏省南京市建邺区奥体大街9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”。