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！

龙图腾网获悉国网辽宁省电力有限公司经济技术研究院申请的专利计及多源分布式新型储能的地区用电负荷远景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：CN119784174B 。

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：202411835370.7，技术领域涉及：G06Q10/0637；该发明授权计及多源分布式新型储能的地区用电负荷远景预测方法是由张鸥;徐维懋;林俊儒;姜雪;张琦;宋坤;刘冰;于兴成;张如玉;王勇;刘靖波;杨博;徐佳璨;李东霖;王枭设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本计及多源分布式新型储能的地区用电负荷远景预测方法在说明书摘要公布了：本发明公开了计及多源分布式新型储能的地区用电负荷远景预测方法，包括步骤：构建电力系统用的电负荷预测模型，电负荷预测模型包括编码部分和解码部分；获取样本数据，其为电负荷数据的时间序列数据；在编码部分将时间序列数据编码为编码输出特征；在解码部分为样本数据解码。得到预测结果，其为频率自适应分解模块的输出分量特征和趋势分量特征的和。本发明能够有效帮助电网管理者在规划和运行中提前识别潜在的供需不平衡问题，并制定相应的应对策略，提升电网的灵活性和适应性，为电网的调度优化和运行管理提供决策支持。

本发明授权计及多源分布式新型储能的地区用电负荷远景预测方法在权利要求书中公布了：1.计及多源分布式新型储能的地区用电负荷远景预测方法，其特征在于，包括如下步骤： 构建电力系统用的用电负荷预测模型，用电负荷预测模型包括特征编码部分和特征解码部分；特征编码部分包括多层的编码器，特征解码部分包括多层的解码器； 获取样本数据样本数据为用电负荷数据的时间序列数据； 其中，H为输入数据的数量，W为输入数据的维度； 在特征编码部分将时间序列数据编码为输出特征； 第l层编码器的输出特征 式中，l∈{1,2,…,N}表示编码器输出的第l层，N为编码器的总层数；Encoder·被定义为： 式中，表示第l层编码器中的第i层分解分量，表示第l-1层编码器的输出，AFF·表示自适应频域滤波模块，FADecomp·表示频率自适应分解模块； 在特征解码部分的操作步骤为： 式中，为平稳分量特征，为季节分量特征，为趋势分量特征，l∈{1,2,…,M}表示解码器输出的第l层，M为解码器的总层数，decoder·被定义为： 式中，分别表示第l层解码器中的第i层的平稳分量特征、季节分量特征、趋势分量特征，表示第l层解码器的第i层频率自适应分解模块的输出特征，表示第l-1层解码器的输出分量特征和趋势分量特征，AFFatt·表示自适应频域归一化注意力模块，Wl,i,i∈{1,2,3}表示第i层趋势特征的权重矩阵； 得到预测结果，所述预测结果为特征解码部分的频率自适应分解模块的输出分量特征和趋势分量特征的和，被定义为： 其中，WX为的投影矩阵，Y为电力负荷预测模型的输出结果； 还包括网络模型的优化,步骤包括： 为训练用电负荷预测模型，先设置初始化的模型参数，再通过损失函数优化用电负荷预测模型参数； 设置优化目标有两个，一个是均方损失且用于衡量模型的预测值和真实值之间的差距，用下式表示为： 式中，为电力负荷预测模型的输出结果，yi∈YH×W为真实的电力负荷数据，i＝{1,2,...,n}； 另一个优化目标是正则化损失用于防止模型过拟合；通过在用电负荷预测模型的损失函数中引入一个额外的约束项△来控制模型的复杂度，正则化损失记为： 其中，约束项λ是正则化强度，ω是正则化的系数矩阵； 为了分别优化平稳特征季节特征的学习过程，我们将先验指导损失用于模型优化，定义为： 具有先验指导的预测可以被认为是一个多任务优化问题，其中，确保gθ准确预测平稳频特征确保前馈神经网络FF·准确预测季节特征保证电力负荷预测模型沿着整体预测精度进行优化。

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国网辽宁省电力有限公司经济技术研究院，其通讯地址为：110000 辽宁省沈阳市沈河区文萃路183-1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。