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！

龙图腾网获悉大连理工大学申请的专利一种可追踪环境因素时变特性的输电线动态热容量极限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：CN115456301B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211205641.1，技术领域涉及：G06Q10/04；该发明授权一种可追踪环境因素时变特性的输电线动态热容量极限预测方法是由孙辉;高正男;胡姝博;卢雪立;金田;窦亚楠;朱宝航设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种可追踪环境因素时变特性的输电线动态热容量极限预测方法在说明书摘要公布了：本发明一种可追踪环境因素时变特性的输电线动态热容量极限预测方法，属于电力系统中输电网线路运行状态评估领域。首先，确定DTR的主要影响因素；建立考虑环境因素影响程度时变特性的DTR预测模型。其次，获取DTR时序预测模型训练数据，训练DTR时序预测模型。最后，利用DTR时序预测模型进行DTR预测，最终实现滚动预测。本发明采用时变权值结构的ForecastNet预测模型可以有效地克服传统时序预测模型环境输入特征权值时不变的问题，动态追踪环境因素影响程度的变化，提高DTR的预测精度。

本发明授权一种可追踪环境因素时变特性的输电线动态热容量极限预测方法在权利要求书中公布了：1.一种可追踪环境因素时变特性的输电线动态热容量极限预测方法，其特征在于，包括以下步骤： 步骤1.确定DTR的主要影响因素； 步骤2.建立考虑环境因素影响程度时变特性的DTR时序预测模型； 基于ForecastNet神经网络建立DTR时序预测模型；基于ForecastNet神经网络的DTR时序预测模型采用时变权值结构，以日前24小时为DTR预测的时间尺度，构建改进后的ForecastNet预测模型结构； 基于ForecastNet的DTR时序预测模型改进如下： 1串联结构，并入并出 ForecastNet神经网络为多步前馈时序神经网络，该时序预测网络将代表24时段的24个预测单元串联；在模型训练过程中，通过历史数据的训练得到24个串联单元的权值及参数；在预测过程中，采用并行输入、并行输出的方式，将未来24小时的气象预报数据并行输入预测模型，得到未来24小时的DTR预测值； 2权值时变网络 ForecastNet神经网络的隐藏层采用时变结构，其隐藏层映射方程如式11所示： ht＝ftWt·ht-1,Vt·it,Ut·ot-111 式中，ft为隐藏层预测单元的映射函数，隐藏层预测单元可由BP神经网络或卷积神经网络构成；Wt、Vt和Ut分别为前一级隐藏层状态量、气象环境输入特征以及前一级输出量的权值矩阵；ht-1为t-1时刻隐藏层状态量；it为t时刻环境特征输入数据；ot-1为t-1时刻输出的DTR值； Vt为气象环境数据输入特征的权值参数，由历史数据训练得到，实现对输入特征影响程度的动态追踪，气象环境输入特征在一日内不同时段对DTR影响程度不同，由此造成Vt在不同时段数值不同；Wt和Ut也为时变量，反应DTR的时间关联特性；步骤3.获取DTR时序预测模型训练数据； 步骤4.训练DTR时序预测模型； 步骤5.利用DTR时序预测模型进行DTR预测； 步骤6.实现滚动预测。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。