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！

龙图腾网获悉传申弘安智能(深圳)有限公司;河南许继仪表有限公司申请的专利基于多模态数据的源荷预测方法、装置、设备及介质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：CN120124816B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510601187.9，技术领域涉及：G06Q10/04；该发明授权基于多模态数据的源荷预测方法、装置、设备及介质是由李鹏;赵敬立;郑毅;李志鹏;张田田;南喆;李崇阳;薛晨光;王东虎;徐志克;燕高远;潘智斌;陈江潮;周颖婕;文博;甘家旭设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本基于多模态数据的源荷预测方法、装置、设备及介质在说明书摘要公布了：本发明实施例公开了一种基于多模态数据的源荷预测方法、装置、设备及介质。方法包括：采集多模态初始数据，并对多模态数据进行预处理得到多模态目标数据，其中，多模态目标数据包括文本数据和云图视频数据；将文本数据和云图视频数据进行特征融合得到融合特征数据，并通过Informer模型对融合特征进行位置编码得到位置编码数据；将位置编码数据和融合特征数据一起作为训练数据集，并将训练数据集进行分组得到多组训练子数据集；利用多组训练子数据集对Informer模型进行训练得到源荷预测模型；将获取到的待预测多模态数据输入源荷预测模型进行预测得到预测结果。本申请实施例在进行源荷预测时占用内存较小且计算效率高。

本发明授权基于多模态数据的源荷预测方法、装置、设备及介质在权利要求书中公布了：1.一种基于多模态数据的源荷预测方法，其特征在于，包括： 采集多模态初始数据，并对所述多模态数据进行预处理得到多模态目标数据，其中，所述多模态目标数据包括文本数据和云图视频数据，其中，所述文本数据包括经过预处理之后的用户用能画像数据、日期属性信息、历史源荷曲线、设备台账以及外部调用的天气预报数据，所述云图视频数据包括经过预处理之后的有关于天气的数据； 将所述文本数据和所述云图视频数据进行特征融合得到融合特征数据，并通过Informer模型对所述融合特征数据进行位置编码得到位置编码数据； 将所述位置编码数据和所述融合特征数据一起作为训练数据集，并将所述训练数据集进行分组得到多组训练子数据集； 利用多组所述训练子数据集对所述Informer模型进行训练得到源荷预测模型； 将获取到的待预测多模态数据输入所述源荷预测模型进行预测得到预测结果； 其中，所述训练子数据集包括源荷训练数据和标签数据，所述源荷训练数据和所述标签数据均包括所述融合特征数据和所述位置编码数据，所述利用多组所述训练子数据集对所述Informer模型进行训练得到源荷预测模型，包括： 针对每一组所述训练子数据集，将所述源荷训练数据中的所述融合特征数据和所述位置编码数据进行拼接得到目标源荷训练数据； 利用所述目标源荷训练数据和所述标签数据对所述Informer模型进行训练得到所述源荷预测模型； 所述Informer模型包括自注意力机制模块、稀疏注意力模块、多头注意力模块以及交叉注意力模块，所述利用所述目标源荷训练数据和所述标签数据对所述Informer模型进行训练得到所述源荷预测模型，包括： 将所述目标源荷训练数据输入所述自注意力机制模块进行数据融合得到字典集合； 将所述字典集合输入所述稀疏注意力模块进行降维得到降维字典集合； 将所述降维字典集合输入所述多头注意力模块进行信息聚合得到聚合字典集合； 将所述聚合字典集合输入所述交叉注意力模块以计算所述聚合字典集合与所述目标源荷训练数据的相似度得到源荷相似度； 根据所述源荷相似度、所述目标源荷训练数据以及所述标签数据计算源荷损失值； 根据所述源荷损失值通过反向传播更新所述Informer模型的参数得到所述源荷预测模型。

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传申弘安智能(深圳)有限公司;河南许继仪表有限公司，其通讯地址为：518000 广东省深圳市南山区西丽街道西丽社区同发南路天珑移动总部大厦508A；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”。