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！

龙图腾网获悉国网上海市电力公司;南京工业大学;国网综合能源服务集团有限公司申请的专利融合全局增强和局部注意特征的多区负荷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：CN119834215B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202411887001.2，技术领域涉及：H02J3/00；该发明授权融合全局增强和局部注意特征的多区负荷预测方法及系统是由窦迅;窦真兰;李佳承;杨瑞昂;张春雁;蒋剑峰;李秭乐;徐臣;李梓阳;牛鹏艺;吴司敏;陈洪涛设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本融合全局增强和局部注意特征的多区负荷预测方法及系统在说明书摘要公布了：融合全局增强和局部注意特征的多区负荷预测方法及系统，包括：建立负荷特征提取模型以从不同地区的负荷数据中提取负荷特征；建立气象特征提取模型以从不同地区的多元气象数据中提取气象特征；建立多区域负荷预测模型，包括：多个不同尺度的LSTM模型构成的多尺度LSTM特征提取网络、多层感知机网络、基于transformer模型建立的多区域负荷预测网络；多尺度LSTM特征提取网络从负荷特征中提取负荷全局特征和负荷局部特征，多层感知机网络将负荷全局特征和负荷局部特征与气象特征进行融合，以得到多区域负荷预测网络的输入数据集；根据输入数据集，多区域负荷预测网络输出多区域负荷预测结果，提高多区负荷预测结果的准确性。

本发明授权融合全局增强和局部注意特征的多区负荷预测方法及系统在权利要求书中公布了：1.一种融合全局增强和局部注意特征的多区负荷预测方法，其特征在于，包括： 获取多个地区的负荷数据以及多元气象数据； 基于长短时记忆网络和空间注意力机制，建立负荷特征提取模型，以从不同地区的负荷数据中提取负荷特征；其中，负荷特征提取模型包括：输入层、N个空间注意力模块、N个长短时记忆网络模块、输出层；多地区负荷数据经过第1个空间注意力模块处理后输入至第1个长短时记忆网络模块中，第1个长短时记忆网络模块的输出数据、多地区负荷数据、以及多地区负荷数据经过第2个空间注意力模块处理后的数据一起输入至第2个长短时记忆网络模块，以此类推，第N-1个长短时记忆网络模块的输出数据、多地区负荷数据、以及多地区负荷数据经过第N个空间注意力模块处理后的数据一起输入至第N个长短时记忆网络模块；第N个长短时记忆网络模块输出的负荷特征传输至输出层；基于tokentotoken模型、VisionTransformer模型以及Transformer模型建立气象特征提取模型，以从不同地区的多元气象数据中提取气象特征；其中，气象特征提取模型包括：输入层、N个T2T模块、N个VisionTransformer模块、N个Transformer模块、以及输出层；多元气象数据经过第1个T2T模块后先嵌入补丁再输入至第1个VisionTransformer模块，第1个VisionTransformer模块输出的数据传输至第1个Transformer模块；第1个Transformer模块输出的数据和多元气象数据一起经过第2个T2T模块后先嵌入补丁再输入至第2个VisionTransformer模块，第2个VisionTransformer模块输出的数据和第1个Transformer模块输出的数据一起传输至第2个Transformer模块；以此类推，第N-1个Transformer模块输出的数据和多元气象数据一起经过第N个T2T模块后先嵌入补丁再输入至第N个VisionTransformer模块，第N个VisionTransformer模块输出的数据和第N-1个Transformer模块输出的数据一起传输至第N个Transformer模块；第N个Transformer模块TransformerblockN输出的气象特征传输至输出层； 建立多区域负荷预测模型，包括：多个不同尺度的LSTM模型构成的多尺度LSTM特征提取网络、多层感知机网络、基于transformer模型建立的多区域负荷预测网络；其中，多尺度LSTM特征提取网络从负荷特征中提取负荷全局特征和负荷局部特征，多层感知机网络将负荷全局特征和负荷局部特征与气象特征进行融合，以得到多区域负荷预测网络的输入数据集；根据输入数据集，多区域负荷预测网络输出多区域负荷预测结果。

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上海市电力公司;南京工业大学;国网综合能源服务集团有限公司，其通讯地址为：200122 上海市浦东新区源深路1122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”。