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优化特征生成的两阶段日最大负荷预测方法、系统和存储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：CN120767818B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511263752.1，技术领域涉及：H02J3/00；该发明授权基于优化特征生成的两阶段日最大负荷预测方法、系统和存储介质是由宋玉雪;汪旗;王徽;吴豪设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本基于优化特征生成的两阶段日最大负荷预测方法、系统和存储介质在说明书摘要公布了：本发明公开了一种基于优化特征生成的两阶段日最大负荷预测方法、系统和存储介质，属于电力需求预测领域。该方法旨在解决历史数据量不足场景下预测模型泛化性差、数据价值挖掘不充分的问题。该方法包括：第一阶段，利用改进的遗传算法从原始时间及气象特征中筛选出最优特征子集，并基于该子集和余弦相似度召回个相似日，通过对相似日的真实负荷值进行加权计算，得到初步预测值；第二阶段，将该初步预测值作为一个衍生特征，与原始特征共同组成最终特征向量，输入至回归模型中进行精细化预测，得到最终结果。本发明通过生成信息浓缩的衍生特征并采用两阶段层次化预测框架，有效提升了预测算法在小样本场景下的预测精度和鲁棒性。

本发明授权基于优化特征生成的两阶段日最大负荷预测方法、系统和存储介质在权利要求书中公布了：1.基于优化特征生成的两阶段日最大负荷预测方法，其特征在于，包括以下步骤： S1.获取一历史样本集，所述历史样本集中的每一历史样本均包括一组由时间特征和气象特征组成的原始特征、以及与所述原始特征对应的真实日最大负荷值； S2.针对一待预测的目标样本，执行第一阶段预测，以生成一初步预测值，所述第一阶段预测包括： S2.1.通过遗传算法从所述原始特征中筛选出一个或多个特征构成一特征子集； S2.2.基于所述特征子集和余弦相似度，从所述历史样本集中为所述目标样本召回个相似历史样本，其中为正整数； S2.3.根据所述个相似历史样本各自的所述余弦相似度及各自对应的所述真实日最大负荷值，计算得到所述初步预测值； S3.执行第二阶段预测，以生成一最终日最大负荷预测结果，所述第二阶段预测包括： S3.1.将S2中生成的所述初步预测值，作为一个衍生特征； S3.2.将所述衍生特征与所述目标样本的原始特征进行组合，以形成一最终特征向量，并将所述最终特征向量输入至一预训练的回归预测模型，以输出最终日最大负荷预测结果。

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”。

以上内容由龙图腾AI智能生成。