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！

龙图腾网恭喜南京理工大学申请的专利基于改进鲸鱼算法与神经网络的负荷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：CN115271150B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202210545126.1，技术领域涉及：H02J3/00；该发明授权基于改进鲸鱼算法与神经网络的负荷预测方法是由吴优;马泽龙;吕广强;王宝华;蒋海峰设计研发完成，并于2022-05-19向国家知识产权局提交的专利申请。

本基于改进鲸鱼算法与神经网络的负荷预测方法在说明书摘要公布了：本发明公开了一种基于改进鲸鱼算法与神经网络的负荷预测方法，其包括：将神经网络损失函数作为改进鲸鱼算法的目标函数，将超参数记为改进鲸鱼算法的种群特征，建立超参数选取模型；使用非线性收敛因子平衡鲸鱼优化算法的全局搜索和局部开发；为包围猎物和螺旋运动的更新公式添加自适应权重和为种群更新添加随机差分变异来提高鲸鱼优化算法后期开发能力；为领导者添加随机扰动来提高算法精度；使用反向学习和准反向学习增加种群多样性；使用最优超参数建立预测模型，进行负荷预测。本发明可以简化超参数选取方法，提高鲸鱼优化算法的性能，增加神经网络所建负荷预测模型的精度和泛化能力，进一步提高负荷预测精度，帮助发电厂更好地制定发电计划和调度中心更合理地安排调度。

本发明授权基于改进鲸鱼算法与神经网络的负荷预测方法在权利要求书中公布了：1.一种基于改进鲸鱼算法与神经网络的负荷预测方法，其特征在于，包括以下步骤：步骤1、确定目标函数和种群特征，将负荷的均方误差作为改进鲸鱼算法目标函数，将超参数作为种群特征，具体为：负荷的均方误差作为改进鲸鱼算法的目标函数： 式中：F表示负荷的均方误差；n表示负荷采样点数；yi分别表示负荷在时刻i的预测值和真实值；将超参数作为种群特征，对超参数的约束范围如下： 式中：Bi和Ei表示超参数的下界和上界，i＝1,2,3,4；l表示学习率；iter表示神经网络迭代次数；h1,h2分别表示神经网络第一个和第二个隐藏层神经元个数；步骤2、使用反向学习和准反向学习初始化种群，具体为：1反向学习 式中：和表示超参数的下界和上界；表示第i组超参数；表示的反向解；2准反向学习 式中：Avg表示中值；rand表示对两向量特征间的随机取值；表示的准反向解；步骤3、更新领导者，将负荷的均方误差记为适应度，种群中适应度最小的超参数记为领导者，并为其添加随机扰动，生成伪领导者，对比伪领导者和领导者适应度，取较小者为领导者；所述的更新领导者，具体包括：将种群中使负荷均方误差最小的超参数作为领导者，为领导者添加随机扰动： 式中：和表示扰动后和扰动前的领导者；ε表示扰动系数，用于调节扰动空间；r和p表示区间为[0,1]的随机数；步骤4、为包围猎物和螺旋运动添加随机扰动，判断更新方式，根据负荷的均方误差更新超参数，为种群添加随机差分变异，更新种群；具体为：1使用非线性收敛因子平衡鲸鱼优化算法全局搜索和局部开发： 式中：v表示调节系数，用于调节曲线形状；T表示改进鲸鱼算法最大迭代次数；t表示改进鲸鱼算法迭代次数；Tc表示分段点；2使用自适应权重加强后期局部开发 式中：ws和we分别表示初始权重和最终权重；k表示控制因子，控制曲线平滑度；3改进更新公式 式中：w表示自适应权重；和表示包围猎物和螺旋运动的更新步长；A是收敛因子a的函数，其值域为[-a,a]；b表示螺旋线形状常数；l表示[-1,1]的随机数；在选取更新方式时，有50％的概率使用螺旋运动更新超参数；若未选取螺旋运动，根据|A|选择包围猎物或搜寻猎物，当|A|＜1时，包围猎物；当|A|≥1时，搜寻猎物；4随机差分变异 式中：表示随机超参数；步骤5、重复步骤3和步骤4至迭代结束，将最后一次迭代的领导者视为最优超参数；步骤6、使用最优超参数建立负荷预测模型，进行负荷预测，具体为：使用最优超参数建立负荷预测模型，模型输入为预测前一天的负荷与预测当天的气温、天气，输出为预测当天的负荷。

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理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。