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！

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司中山供电局申请的专利配电网的负荷预测方法及装置、计算机程序产品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：CN118572674B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202410611639.7，技术领域涉及：H02J3/00；该发明授权配电网的负荷预测方法及装置、计算机程序产品是由李宾;赵瑞锋;徐宝军;邱军旗;黎皓彬;何欣欣;卢小海;白一鸣;尹雁和;包成斌设计研发完成，并于2024-05-16向国家知识产权局提交的专利申请。

本配电网的负荷预测方法及装置、计算机程序产品在说明书摘要公布了：本发明公开了一种配电网的负荷预测方法及装置、计算机程序产品。其中，该方法包括：获取配电网当前的电力数据；基于电力数据利用差分隐私算法按照模型权重对配电网中的原始负荷预测模型进行模型训练，得到中间负荷预测模型；利用目标模型权重对模型权重进行更新；若判断出中间负荷预测模型不满足收敛条件，则将中间负荷预测模型更新为新的原始负荷预测模型；重复执行以上步骤，直至中间负荷预测模型满足收敛条件时，得到目标负荷预测模型；基于电力数据利用目标负荷预测模型对配电网在故障自愈后所需的负荷进行预测。本发明解决了相关技术中如何在充分保护用户数据隐私的同时，精准高效地对智能电力数据负荷进行预测的技术问题。

本发明授权配电网的负荷预测方法及装置、计算机程序产品在权利要求书中公布了：1.一种配电网的负荷预测方法，其特征在于，包括： 第一获取步骤，获取配电网当前的电力数据； 第二获取步骤，基于所述电力数据利用差分隐私算法按照模型权重对所述配电网中的原始负荷预测模型进行模型训练，得到中间负荷预测模型，其中，所述模型权重由中心服务器通过随机函数生成，所述原始负荷预测模型为所述配电网中当前使用的预测模型，所述中心服务器与所述配电网之间进行数据交互，所述模型权重包括原始模型权重和镜像模型权重，所述中间负荷预测模型包括聚合负荷预测模型和个性化负荷预测模型，其中，至少根据所述差分隐私算法得到所述聚合负荷预测模型，至少根据多任务联邦学习框架得到所述聚合负荷预测模型； 第一更新步骤，利用目标模型权重对所述模型权重进行更新，其中，所述目标模型权重是所述中心服务器对所述中间负荷预测模型的模型参数进行聚合后重新生成的模型权重； 判断步骤，判断所述中间负荷预测模型是否满足收敛条件，其中，所述收敛条件为判断所述中间负荷预测模型是否训练完成的条件； 第二更新步骤，在所述中间负荷预测模型不满足所述收敛条件时，将所述中间负荷预测模型更新为新的所述原始负荷预测模型； 重复执行所述第一获取步骤、所述第二获取步骤、所述第一更新步骤、所述判断步骤及所述第二更新步骤，直至所述中间负荷预测模型满足所述收敛条件时，得到目标负荷预测模型，其中，所述原始负荷预测模型、所述中间负荷预测模型及所述目标负荷预测模型均用于对所述配电网在故障自愈后所需的负荷进行预测； 基于所述电力数据利用所述目标负荷预测模型对所述配电网在故障自愈后所需的负荷进行预测； 基于所述电力数据利用多任务联邦学习框架按照所述镜像模型权重对所述原始负荷预测模型进行模型训练，包括： 获取所述个性化负荷预测模型的第二模型参数；获取所述聚合负荷预测模型的第一模型参数； 根据所述第一模型参数和所述第二模型参数利用第五公式得到更新后的所述第二模型参数，其中，所述第五公式为： s表示对所述个性化负荷预测模型进行模型训练的第二轮次，g表示智能电表的序号，r表示对所述聚合负荷预测模型进行模型训练的第一轮次，表示第g个所述智能电表更新后的所述第二模型参数，表示所述第二模型参数，ηl表示个性化学习率，▽Fg表示对第g个智能电表的目标函数取导数，λ为调整所述聚合负荷预测模型和所述个性化负荷预测模型的参数，表示第g个所述智能电表训练第r轮的所述第一模型参数。

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广东电网有限责任公司;广东电网有限责任公司中山供电局，其通讯地址为：510600 广东省广州市越秀区东风东路757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”。