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！

龙图腾网获悉广东工业大学申请的专利一种面向多地区的风电、负荷和电价联合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：CN119674967B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510200743.1，技术领域涉及：H02J3/00；该发明授权一种面向多地区的风电、负荷和电价联合预测方法及系统是由孟安波;邹鹏立;黄自谦;黄钺;罗功铺设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本一种面向多地区的风电、负荷和电价联合预测方法及系统在说明书摘要公布了：本发明涉及一种面向多地区的风电、负荷和电价联合预测方法及系统。首先采集多个地区的风电、负荷和电价数据，获取相关的气象和地理位置信息，将获取到的数据进行处理，形成特征输入通道；然后，通过对图的拉普拉斯矩阵进行频率分解，构建多尺度图卷积，捕捉特征通道中的多尺度信息；定义新的损失函数和参数更新规则，以优化模型训练；随后，共享中间特征层通过将所有目标变量的中间特征整合在一起，形成共享特征矩阵，并输入至模型进行训练，最后对风电、负荷和电价目标变量进行同时输出。本发明能够提炼每个地区的独特特征，并捕捉不同地区和目标变量之间的相互依赖，显著提升预测精度，适用于多地区风电出力、负荷需求及电价预测等场景。

本发明授权一种面向多地区的风电、负荷和电价联合预测方法及系统在权利要求书中公布了：1.一种面向多地区的风电、负荷和电价联合预测方法，其特征在于，包括以下步骤： S1.采集数据：采集多个地区的风电功率、负荷需求和电价数据，并获取相关的气象数据和地理位置信息，对采集到的数据进行预处理； S2.构建特征输入通道矩阵：将处理后的风电功率、负荷需求、电价数据和相关气象数据和地理位置信息构建成特征输入通道矩阵；并将特征输入通道矩阵划分为训练集和测试集； S3.构建基于空间拓扑结构的图卷积神经网络模型：构建基于空间拓扑结构的图卷积神经网络，并通过拉普拉斯频率分解构建多尺度图卷积捕捉特征输入通道中的多尺度信息，得到输出中间特征矩阵； S4.对模型进行优化：结合区域内部损失与跨区域交互构建损失函数，并设计参数更新规则，引入任务协调梯度项，以降低损失函数陷入局部最优的概率；所述步骤S4包括： S41.损失函数结合区域内部损失和跨区域交互的损失，从而实现联合优化，公式如下： 式中，为权重，分别代表区域内的损失和区域间的交互损失，为第r个地区第i个变量t时刻的预测值，第r个地区第i个变量t时刻的真实值；为接近于0的常数，用于防止对数函数中的零值问题；用于控制区域间的互相影响，d rr'为各地区之间的距离，为距离敏感数值，用于调整距离加权项的敏感性；R表示地区； S42.参数更新与优化过程包括： 式中，为模型参数的更新量，和分别为正则化梯度项和协调梯度项，是第i和第j个目标的中间特征之间的欧几里得距离；η表示学习率；λ表示协调梯度项系数，β表示正则化梯度项系数；m=3； S5.建立共享中间特征层：将多尺度图卷积后的每个目标变量的输出中间特征矩阵整合在共享矩阵中，生成联合特征表示，其中，目标变量包括风电功率、负荷需求以及电价数据； S6.模型训练：利用训练集对基于空间拓扑结构的图卷积神经网络模型进行训练； S7.预测：将测试集输入训练好的基于空间拓扑结构的图卷积神经网络模型，对多个地区的风电-负荷-电价进行联合预测，并输出预测值。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。