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！

龙图腾网获悉浙江大学申请的专利一种面向电力系统源荷预测的预训练模型构建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：CN120012957B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510488795.3，技术领域涉及：G06N20/00；该发明授权一种面向电力系统源荷预测的预训练模型构建方法是由万灿;王子越;何志强;徐卓;岳晨昕;刘辉;鞠平设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本一种面向电力系统源荷预测的预训练模型构建方法在说明书摘要公布了：本发明公开了一种面向电力系统源荷预测的预训练模型构建方法，属于电力系统时序预测领域。该预训练模型针对新能源接入与新型负荷发展带来的源荷双侧不确定性难题，构建了时空模式混合专家子模型与预报信息混合专家子模型的异构组合架构，可适配丰富的下游预测场景、满足多时间尺度、多变量输入的预测需求。本发明通过预训练模型从海量数据中提取通用时空特征，有效提升源荷预测的精度与泛化性能，适配规划、调度等多场景需求，为含高比例分布式资源的配电网运行风险态势感知提供可靠技术支撑。

本发明授权一种面向电力系统源荷预测的预训练模型构建方法在权利要求书中公布了：1.一种面向电力系统源荷预测的预训练模型构建方法，其特征在于，包括以下步骤： 分别构建时空模式混合专家子模型和预报信息混合专家子模型；所述时空模式混合专家子模型采用多自由度混合专家学生T分布输出头，所述多自由度混合专家学生T分布输出头包括高自由度学生T分布输出头、中自由度学生T分布输出头和低自由度学生T分布输出头，高自由度学生T分布输出头用于拟合负荷类平稳数据的分布特征；中自由度学生T分布输出头用于拟合周期性波动且分布尾部较轻的场景；低自由度学生T分布输出头用于拟合极端值频发的厚尾特征；所述预报信息混合专家子模型采用两阶段路由网络设计，第一阶段主路由网络根据数据类型将输入数据分配至对应的专家模型组，第二阶段在专家模型组内的子路由网络进一步选择最优专家模型来处理输入数据； 整合开源时间序列数据集与电力系统真实源荷数据，制作预训练数据集； 基于所述预训练数据集对所述时空模式混合专家子模型和预报信息混合专家子模型进行预训练；训练完成后保存预训练过程中形成的模型参数文件，得到预训练模型； 预报信息混合专家子模型的主路由网络根据数据标识选择出与融合有数据标识特征的预报数据XF,tag对应的专家模型组；该过程表示如下： gsub＝softmaxXF,tag·Wsub+bsub； 式中，gsub为专家模型评分，Wsub与bsub为子路由网络的映射矩阵和偏置权重；m＝1,2,...,M，表示专家模型的编号，专家模型组内共有M个专家模型，子路由网络运算后选择的最优专家模型编号为 随后，专家模型组内的子路由网络进一步选择最优专家模型对输入的XF,tag进行运算，每个专家模型包括两个参数独立的FFN网络，分别用于计算预测空间的高斯分布均值与标准差 式中，和表示最优专家模型中用于计算标准差的FFN网络的两个权重矩阵，和表示最优专家模型中用于计算标准差的FFN网络的两个偏置系数；和表示最优专家模型中用于计算高斯分布均值的FFN网络的两个权重矩阵，和表示最优专家模型中用于计算高斯分布均值的FFN网络的两个偏置系数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。