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！

龙图腾网获悉华南理工大学申请的专利一种基于混合神经网络和生成对抗的小样本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：CN115640901B 。

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：202211365088.8，技术领域涉及：G06Q10/04；该发明授权一种基于混合神经网络和生成对抗的小样本负荷预测方法是由刘俊峰;卢俊菠;曾君;陈渊睿设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本一种基于混合神经网络和生成对抗的小样本负荷预测方法在说明书摘要公布了：本发明公开了一种基于混合神经网络和生成对抗的小样本负荷预测方法。所述方法包括以下步骤：采集历史用户用电数据和对应天气、日期特征；构建负荷特征输入矩阵；提取历史用户和新增用户的高维负荷特征，送入负荷预测神经网络中进行预训练；固定源领域负荷特征提取器参数，并构造目标领域负荷特征提取器，更新目标领域特征提取器参数；将对抗训练得到的目标领域特征提取器G2与预训练的负荷预测神经网络进行连接，应用于目标领域新增用户负荷预测。本发明通过不同领域间知识的迁移，充分利用了源领域已有的大量历史负荷知识，有效解决了电力系统中新增用户用电数据不足时日前负荷预测精度不足的问题，充分发挥了历史负荷数据的价值。

本发明授权一种基于混合神经网络和生成对抗的小样本负荷预测方法在权利要求书中公布了：1.一种基于混合神经网络和生成对抗的小样本负荷预测方法，其特征在于，包括以下步骤： S1、确定与新增用户具有相似用电行为的历史用户，使用智能电表采集历史用户用电数据和对应天气、日期特征； S2、构建负荷特征输入矩阵，确定输入预测模型的源领域用户历史数据滞后长度； S3、构造负荷特征提取器，利用负荷特征提取器提取历史用户和新增用户的高维负荷特征，将历史用户高维负荷特征送入负荷预测神经网络中进行预训练，直至负荷预测神经网络收敛；构造负荷特征提取器为二维卷积神经网络，包括用于提取非线性特征的卷积层、对特征降维的池化层、激活函数、防止过拟合的批标准化层和随机失活层和全连接层； 高维负荷特征为负荷特征提取器的输出特征，负荷特征提取器包括顺次连接的第一卷积层Conv2d1、第一池化层Maxpool1、第二卷积层Conv2d2、第二池化层Maxpool2、第三卷积层Conv2d3、第一全连接层Dense1和第二全连接层Dense2； 负荷预测神经网络为长短期记忆LSTM网络，其内部结构包括2层LSTM层，2层LSTM层后拼接两个全连接层将输出维度变为所需维度，LSTM网络能够对时间序列的历史信息进行记忆，避免了序列信息丢失的问题； 预训练为将源领域用户80％划分为训练集，20％划分为测试集，依照构造的d×k大小的特征输入矩阵输入负荷特征提取器中，并与负荷预测神经网络相连接，输出标签为待预测日48点电负荷，单位为kW；并通过随机梯度更新法更新负荷特征提取器和负荷预测神经网络的参数； S4、固定源领域负荷特征提取器G1参数，并构造目标领域负荷特征提取器G2，引入生成对抗网络对齐源领域负荷与目标领域负荷在高维空间的分布，计算源领域和目标领域分布间的wasserstein距离并以此更新目标领域特征提取器参数；目标领域负荷特征提取器G2与源领域负荷特征提取器G1的结构与步骤S3中构造的负荷特征提取器的结构相同，但权重参数初始化为均值为0，方差为1的正态分布； S5、将对抗训练得到的目标领域特征提取器G2与预训练的负荷预测神经网络进行连接，应用于目标领域新增用户负荷预测。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。