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！

龙图腾网获悉长春工业大学申请的专利一种基于深度学习和数据驱动的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：CN120016472B 。

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：202510465571.0，技术领域涉及：H02J3/00；该发明授权一种基于深度学习和数据驱动的电力负荷预测方法是由董吉哲;孙洋;陈沛光;李九龙;许崇珊;韩晓桐设计研发完成，并于2025-04-15向国家知识产权局提交的专利申请。

本一种基于深度学习和数据驱动的电力负荷预测方法在说明书摘要公布了：本发明涉及电力系统短期负荷预测领域，针对传统预测方法难以充分捕捉高维历史数据与外部环境因素中复杂非线性关系的问题，提出一种基于深度学习和数据驱动的电力负荷预测方法。该方法采用特征加权机制，对历史特征和未来特征自动赋权，提高数据表达能力；同时，通过扩张卷积编码器实现分块处理，扩大感受野以捕捉长时依赖关系；再利用多层注意力机制优化相似日选择，计算上下文向量辅助双向门控循环单元进行动态解码。整套技术方案实现了历史信息与未来数据的高效融合和动态特征调整，提升了预测精度和模型稳定性。该发明主要应用于电力系统调度管理和智能化运行，为提高电网安全、稳定和运行提供技术支撑。

本发明授权一种基于深度学习和数据驱动的电力负荷预测方法在权利要求书中公布了：1.一种基于深度学习和数据驱动的电力负荷预测方法，其特征在于，所述方法包括以下操作：首先，使用ISO-NE数据集，选取其每小时历史电力负荷需求数据；其次，应用特征加权机制为输入特征分配权重；再次，开发扩张卷积编码器；然后，利用多层注意力机制实现相似日的选择并计算上下文向量，以辅助双向门控循环单元进行解码器预测；最后，构建整个具有特征加权机制的扩张卷积编码器及含多层注意力机制的双向门控循环单元解码器作为负荷预测模型，进而利用数据集对模型进行验证，依据评价指标来判断模型的预测效果，具体流程如下： 首先，使用ISO-NE数据集，输入特征包括电力负荷需求、干球温度和露点温度特征，设为历史时间步长，为预测未来时间步长，为特征维度，分离出历史特征，表示的维度为，分离出未来特征，即的维度为，设置历史目标为，即的维度为，将历史特征与未来特征拼接为输入矩阵，在中设表示第时刻元素的特征维度为，对维度符号的解释今后不再赘述； 其次，应用特征加权机制为输入特征分配权重，该过程具体包括： 步骤（1）对每个时间步，将经线性层变换得到特征注意力得分向量： 其中，为激活函数，表示线性层权重，表示线性层偏置； 步骤（2）对细化特征维度含义，得到，表示第个时间步上第个特征的注意力得分向量，，对应用函数，计算特征注意力权重： 其中为第个时间步的特征注意力权重； 步骤（3）将特征注意力权重与输入逐元素相乘，获得加权总特征： 其中表示逐元素乘法，分离出加权历史特征和加权未来特征； 再次，开发扩张卷积编码器，该过程具体包括： 步骤（1）对每个时刻拼接加权历史特征与历史目标得到输入，对于每个时间有，转置后得到扩张卷积编码器输入； 步骤（2）将编码器输入分块，设扩张因子为，，为卷积块数，为扩张层数，在块内第层输出也作为第层的输入，如为块的首层输入，这样第层的输出如下： 其中，为卷积核大小，为块在时的第层输出，为块的第层的卷积核的第个权重，为块的第层的偏置，为激活函数； 步骤（3）将块的整块输出与块的尾层输出做残差连接，获得块的整块输出： 步骤（4）经过所有卷积块后，获得总输出，将输出通过适配层： 其中，为适配层权重，为适配层偏置，由此得到编码器隐藏表示序列作为扩张卷积编码器输出，故以代指其中一个，为扩张卷积输出通道数； 然后，利用多层注意力机制实现相似日的选择并计算上下文向量，以辅助双向门控循环单元进行解码器预测，该过程具体包括： 步骤（1）将加权历史特征按周期划分，每周期包含个时间步，共个周期，有，使其重构为，同时加权未来特征重构为，复制次得到； 步骤（2）针对周期的第个时间步，计算调整后的加权历史特征与加权未来特征的相似性： 其中为归一化的周期注意力权重，是利用相似性的倒数计算的； 步骤（3）对每个预测时间步，有，利用双向门控循环单元上一预测时间步的前向隐藏状态、后向隐藏状态、当前加权未来特征构造查询向量，计算时间注意力得分： 其中，为时间注意力得分权重，既为前述扩张卷积编码器输出通道数，又为双向门控循环单元隐藏状态维度，为时间注意力得分偏置，函数用于连接，归一化得当前时间注意力分布： 其中也称时间注意力权重； 步骤（4）对每个周期，利用时间注意力权重对扩张卷积编码器输出计算加权编码器输出： 其中为加权各周期信息，也称上下文向量； 步骤（5）将上下文向量与当前加权未来特征拼接，获得双向门控循环单元的输入，并更新状态： 其中，为时刻前向隐藏状态，为时刻后向隐藏状态，函数即为双向门控循环单元的运行过程，拼接后通过全连接层生成预测： 其中，为激活函数，为全连接层权重，为全连接层偏置； 最后，构建整个具有特征加权机制的扩张卷积编码器及含多层注意力机制的双向门控循环单元解码器作为负荷预测模型，获得最终预测序列为。

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长春工业大学，其通讯地址为：130012 吉林省长春市朝阳区延安大街2055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”。