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！

龙图腾网获悉中国石油大学(北京)申请的专利电力负载预测方法、装置、电子设备及介质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：CN120277386B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202510305391.6，技术领域涉及：G06F18/213；该发明授权电力负载预测方法、装置、电子设备及介质是由李大树;付琦;王兴晖;程家硕;许婧婕;张诗曼设计研发完成，并于2025-03-14向国家知识产权局提交的专利申请。

本电力负载预测方法、装置、电子设备及介质在说明书摘要公布了：本发明实施例提供一种电力负载预测方法、装置、电子设备及介质，包括：获取目标电网系统的历史电力负载序列数据，其中，历史电力负载序列数据包含电力负载信息和温度信息；提取空间特征向量和时间特征向量，空间特征向量是对历史电力负载序列数据进行空间特征提取得到的多通道向量，时间特征向量是对历史电力负载序列数据进行时间特征提取得到的至少一个通道的长短期记忆特征向量；将空间特征向量和时间特征向量进行特征融合，生成特征融合向量；基于特征融合向量预测目标电网系统的未来时间点的电力负载信息。由此，能够处理具有复杂特性的电力负载数据，更准确地预测未来的电力负载，保障电力系统安全稳定运行。

本发明授权电力负载预测方法、装置、电子设备及介质在权利要求书中公布了：1.一种电力负载预测方法，其特征在于，包括： 获取目标电网系统的历史电力负载序列数据，其中，所述历史电力负载序列数据包含电力负载信息和温度信息； 提取所述历史电力负载序列数据的空间特征向量和时间特征向量，空间特征向量是对所述历史电力负载序列数据进行空间特征提取得到的多通道向量，时间特征向量是对所述历史电力负载序列数据进行时间特征提取得到的至少一个通道的长短期记忆特征向量； 提取所述历史电力负载序列数据的空间特征向量，包括： 通过卷积神经网络对所述历史电力负载序列数据进行空间特征提取，得到多通道的空间特征向量，所述卷积神经网络包括多个串行设置的卷积单元，所述卷积单元包括第一卷积层、第二卷积层和第三卷积层； 所述通过卷积神经网络对所述历史电力负载序列数据进行空间特征提取，得到多通道的空间特征向量，包括： 当存在第i-2个初始特征值时，通过所述第一卷积层对初始序列数据中的第i个初始特征值、第i-1个初始特征值和第i-2个初始特征值进行卷积处理，生成第i个第一特征值，所述初始序列数据包括多个初始特征值，且输入至第一个卷积单元的第一卷积层的初始序列数据为所述历史电力负载序列数据； 当不存在第i-2个初始特征值时，通过所述第一卷积层对所述初始序列数据中的第i个初始特征值和第i-1个初始特征值进行卷积处理，生成第i个第一特征值，其中，i≥2； 将包含各个第一特征值的第一序列数据输入至所述第二卷积层； 当存在第j-4个第一特征值时，通过所述第二卷积层对所述第一序列数据中的第j个第一特征值、第j-2个第一特征值和第j-4个第一特征值进行卷积处理，生成第j个第二特征值； 当不存在第j-4个第一特征值时，通过所述第二卷积层对所述第一序列数据中的第j个第一特征值和第j-2个第一特征值进行卷积处理，生成第j个第二特征值，其中，j≥4； 将包含各个第二特征值的第二序列数据输入至所述第三卷积层； 当存在第k-6个第二特征值时，通过所述第三卷积层对所述第二序列数据中的第k个第二特征值、第k-3个第二特征值和第k-6个第二特征值进行卷积处理，生成第k个第三特征值； 当不存在第k-6个第二特征值时，通过所述第三卷积层对所述第二序列数据中的第k个第二特征值和第k-3个第二特征值进行卷积处理，生成第k个第三特征值，得到各个第三特征值的第三序列数据，其中，k≥7； 基于最后一个卷积单元输出的所述第三序列数据得到多通道的空间特征向量； 将所述空间特征向量和所述时间特征向量进行特征融合，生成特征融合向量； 基于所述特征融合向量预测所述目标电网系统的未来时间点的电力负载信息。

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中国石油大学(北京)，其通讯地址为：102249 北京市昌平区府学路18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。