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！

龙图腾网获悉国网陕西省电力有限公司培训中心;西安科技大学申请的专利基于改进Informer模型的长时间序列电力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：CN119106350B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202411106406.8，技术领域涉及：G06F18/2415；该发明授权基于改进Informer模型的长时间序列电力负荷预测方法是由朱春强;米路革麻;卢欣超;罗敏楠;朱海萍;梁潇;朱莉;陈曦;司恒斌;杜国维;王梦婷;王婧设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本基于改进Informer模型的长时间序列电力负荷预测方法在说明书摘要公布了：本申请提供的基于改进Informer模型的长时间序列电力负荷预测方法，具体涉及电力负荷预测技术领域，该方法通过特征嵌入层和SSI模型，对气象特征、标量信息、位置信息、时间信息和趋势信息分别进行特征编码和嵌入，为模型提供更加丰富的输入特征表示，并采用对键值矩阵进行稀疏性评估的方法，对概率稀疏注意力进行二次稀疏，将注意力机制的时间复杂度从OLlnL降低至OlnL2，最终通过解码器和编码器输出最终的预测值；该方法解决了原Informer模型应用于电力负荷预测时存在特征丰富度不足和概率稀疏注意力模块仍存在稀疏性不足的问题，从而达到提高长时间序列电力负荷预测的精度和效率的效果。

本发明授权基于改进Informer模型的长时间序列电力负荷预测方法在权利要求书中公布了：1.一种基于改进Informer模型的长时间序列电力负荷预测方法，其特征在于，应用于电力负荷预测系统，所述方法包括： 获取时间序列数据与SSI模型，通过特征嵌入模块提取所述时间序列数据的特征信息，对所述特征信息进行计算得到第一输出信息，其中，所述特征信息包括：气象特征、全局时间特征、趋势特征、标量特征和位置特征，所述SSI模型用于指示基于Informer模型改进的模型，所述SSI模型包括：所述特征嵌入模块、编码器模块、解码器模块和输出层，所述获取时间序列数据与SSI模型，通过特征嵌入模块提取所述时间序列数据的特征信息，对所述特征信息进行计算得到第一输出信息，具体包括：通过XGBoost模型对所述时间序列数据中气象信息进行分析，获得所述气象特征；通过全局时间编码器对所述时间序列数据中时序数据进行处理，获得所述全局时间特征；通过趋势编码器获取所述时间序列数据中的所述趋势特征；通过直接观测和位置编码器获取所述时间序列数据中的所述标量特征和所述位置特征；对所述气象特征、全局时间特征、趋势特征、标量特征和位置特征进行线性相加计算得到第一输出信息； 通过所述编码器模块对所述第一输出信息进行筛选、二次稀疏和注意力蒸馏机制处理后获取第二输出信息，其中所述通过所述编码器模块对所述第一输出信息进行筛选、二次稀疏和注意力蒸馏机制处理后获取第二输出信息，具体包括：通过计算自注意力分布与均匀分布的相似性来筛选所述第一输出信息获得主导查询数据；通过二次稀疏概率稀疏注意力方法对所述主导查询数据进行二次稀疏处理得到二次稀疏数据；对所述二次稀疏数据进行蒸馏操作获得所述第二输出信息； 通过所述解码器模块对所述第二输出信息进行处理获得高维特征向量； 将所述高维特征向量作为所述输出层的输入，通过所述输出层将所述高维特征向量转换为最终的预测值。

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国网陕西省电力有限公司培训中心;西安科技大学，其通讯地址为：710032 陕西省西安市新城区长乐西路180号27栋；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”。