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！

龙图腾网获悉合肥中科优碳信息科技有限公司申请的专利基于特征和模型优化的区域用电量预测方法及系统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：CN120258217B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510333933.0，技术领域涉及：G06Q10/04；该发明授权基于特征和模型优化的区域用电量预测方法及系统是由宋玉雪;汪旗设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本基于特征和模型优化的区域用电量预测方法及系统在说明书摘要公布了：本发明公开了一种基于特征和模型优化的区域用电量预测方法，所述方法步骤如下：S1：获取由历史用电量数据和气象属性数据两个部分组成的原始数据；S2：将历史用电量数据和气象属性数据根据时间进行连接整合，生成源数据集，并对源数据集进行数据预处理；S3：利用特征工程方法处理源数据集，生成可供模型输入的训练样本和测试样本；S4：构建用电量预测回归模型；S5：将训练样本输入至用电量预测回归模型中，对用电量预测回归模型进行训练；S6：将测试样本输入至训练后的用电量预测回归模型中，对测试样本进行用电量的预测，输出预测结果。本发明极大程度挖掘了原始可利用数据的价值，提升了预测服务的鲁棒性、可靠性和优越性。

本发明授权基于特征和模型优化的区域用电量预测方法及系统在权利要求书中公布了：1.一种基于特征和模型优化的区域用电量预测方法，其特征在于，所述方法步骤如下： S1：获取由历史用电量数据和气象属性数据两个部分组成的原始数据； S2：应用步骤S1中得到的原始数据，将历史用电量数据和气象属性数据根据时间进行连接整合，生成源数据集，并对源数据集进行数据预处理； S3：应用步骤S2中得到的经过数据预处理后源数据集，利用特征工程方法处理源数据集，生成可供模型输入的训练样本和测试样本； S4：构建用电量预测回归模型； S5：应用步骤S3中得到的训练样本和步骤S4得到的用电量预测回归模型，将训练样本输入至用电量预测回归模型中，对用电量预测回归模型进行训练； S6：应用步骤S3中的得到的测试样本和步骤S5中训练后的用电量预测回归模型，将测试样本输入至训练后的用电量预测回归模型中，对测试样本进行用电量的预测，输出预测结果； 在步骤S2中： S21：依据日期对历史用电量数据和气象属性数据进行连接整合，得到融合了历史用电量数据和气象属性数据之后的源数据集，表示为： 其中，xi,j1≤i≤m,1≤j≤n为具体数据信息，i表示由年、月、日组成的日期所对应的编号，j表示时间数据、历史用电量数据和气象属性数据相对应的编号，m表示收集到的总天数，n表示所有属性的总个数； S22：对xi,j进行遍历，判断xi,j为历史用电量数据执行步骤S23；判断xi,j为气象属性数据中数值类型数据，执行步骤S24；判断xi,j为气象属性数据中非数值类型数据，执行步骤S25；判断xi,j为时间属性信息，执行步骤S3； S23：对xi,j进行平滑化处理，处理方式如下： x′i,j＝ln1+xi,j 其中，x′i,j为平滑化处理后的用电量信息，将x′i,j赋值给xi,j，对源数据集X进行更新； 对更新后的源数据集X内的用电量信息进行异常值识别，识别方法如下： 设定正常用电量数值所属区间为[mean-z×std,mean+z×std]，其中mean表示经过平滑化处理之后历史用电量的均值，std表示经过平滑化处理之后历史用电量的标准差，z是预定的用电量异常判断参数，判定平滑化处理后的xi,j是否落入正常用电量数值所属区间，若是则认定为正常用电量数据，若否则认定为异常用电量数据； 对异常用电量数据进行修正后更新源数据集X； S24：对xi,j进行填充处理，若xi-1,j和xi+1,j未缺失，xi,j缺失，则将xi-1,j和xi+1,j两个数据的均值赋值给xi,j；若xi-1,j未缺失，xi,j和xi+1,j缺失，则将xi-1,j数据的值赋值给xi,j；若xi-1,j缺失，则将距离xi,j最近未缺失的xi+k,j1≤k≤m-i赋值给xi,j；填充处理完成后，更新源数据集X； S25：对xi,j进行缺失数据标记处理，若xi,j数据缺失，则将xi,j标记为数据缺失，缺失数据标记处理完成后，更新源数据集X。

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合肥中科优碳信息科技有限公司，其通讯地址为：230000 安徽省合肥市高新区城西桥社区服务中心望江西路900号中安创谷科技园二期F6栋5楼501室；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”。