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！

龙图腾网获悉广东电网有限责任公司申请的专利一种电力需求预测方法、装置、介质及设备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：CN119599371B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411674251.8，技术领域涉及：G06Q10/0631；该发明授权一种电力需求预测方法、装置、介质及设备是由刘俊磊;刘新苗;娄源媛;卢洵;吴杰康;雷振设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种电力需求预测方法、装置、介质及设备在说明书摘要公布了：本发明公开了一种电力需求预测方法、装置、介质及设备。本申请通过综合历史电力数据和待预测日信息，运用互信息法和余弦相似原理对历史数据进行深度优化，构建出精确的电力需求预测指标体系。进一步地，通过第一结构模型的相对误差法筛选出与待预测日相关的初始样本集，再经由第二结构模型的数值相似度和形状相似度分析，提炼出满足短期电力需求预测的电力数据。最终，结合待预测日和指标体系，选取第一指标体系，并将这些精选数据输入至训练有素的长短时记忆模型，以此模型的强大时间序列分析能力，精确输出待预测日各时段的电力需求结果。本申请提高了对短期电力需求预测的准确性，以解决现有技术中无法准确地对短期的电力需求进行预测的问题。

本发明授权一种电力需求预测方法、装置、介质及设备在权利要求书中公布了：1.一种电力需求预测方法，其特征在于，包括： 获取历史电力数据和待预测日；其中，所述历史电力数据包括实时电价、气象因素、历史电力需求和节假日类型； 根据互信息法和余弦相似原理，优化所述历史电力数据，得到电力需求预测的指标体系； 将历史电力数据输入到预设的第一结构模型，以使所述第一结构模型根据预设的相对误差法输出与短期电力需求待预测日的初始样本集；所述将历史电力数据输入到预设的第一结构模型，以使所述第一结构模型根据预设的相对误差法输出与短期电力需求待预测日的初始样本集，具体为： 获取第一历史电力数据； 根据第一历史电力数据，构建得到电力需求预测关联指标矩阵； 根据预设的相对误差法、所述电力需求预测关联指标矩阵和预设的样本关联指标矩阵，构建得到第一结构模型； 将历史电力数据输入到所述第一结构模型，以使所述第一结构模型输出与短期电力需求待预测日的初始样本集； 将所述初始样本集输入到预设的第二结构模型，以使所述第二结构模型根据预设的数值相似度和形状相似度，输出满足短期电力需求待预测日的电力数据；所述将所述初始样本集输入到预设的第二结构模型，以使所述第二结构模型根据预设的数值相似度和形状相似度，输出满足短期电力需求待预测日的电力数据，具体为： 获取第一历史电力数据和初始样本集； 根据预设的数值相似度和第一历史电力数据，计算得到数值差异矩阵； 根据预设的形状相似度和第一历史电力数据，计算得到斜率差值矩阵； 根据预设的比例系数融合方法、数值差异矩阵和斜率差值矩阵，构建得到第二结构模型； 将所述初始样本集输入到预设的第二结构模型，以使所述第二结构模型输出满足短期电力需求待预测日的电力数据； 根据待预测日和电力需求预测的指标体系，选取得到第一指标体系； 将所述电力数据以及第一指标体系输入到已经训练好的长短时记忆模型中，以使所述长短时记忆模型输出待预测日各时段的电力需求结果，具体为： 将所述电力数据以及第一指标体系输入到已经训练好的长短时记忆模型中，并根据预设的改进粒子群优化算法对所述长短时记忆模型的参数的权重进行优化，以使所述长短时记忆模型输出待预测日各时段的电力需求结果；所述根据预设的改进粒子群优化算法对所述长短时记忆模型的参数的权重进行优化，具体为： 所述改进粒子群优化算法是根据采用伸缩因子的原理，对长短时记忆模型的参数的权重进行优化，所述伸缩因子为： 式中，λ表示伸缩因子，C为预设常数，C＝c+c，且C＞4； 所述伸缩因子的速度和位置的更新公式为： 式中，λ表示伸缩因子，c和c表示学习因子，表示第t代粒子的飞行速度，rand表示介于0,1之间的随机数。

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广东电网有限责任公司，其通讯地址为：510000 广东省广州市越秀区东风东路757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”。

以上内容由龙图腾AI智能生成。