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！

龙图腾网获悉山东大学申请的专利气象数据驱动下计及积温效应的中长期省域负荷时序场景生成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：CN120317761B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510803661.6，技术领域涉及：G06Q10/0639；该发明授权气象数据驱动下计及积温效应的中长期省域负荷时序场景生成方法及系统是由王孟夏;闫亨;杨明;王明强设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本气象数据驱动下计及积温效应的中长期省域负荷时序场景生成方法及系统在说明书摘要公布了：本发明涉及气象数据驱动下计及积温效应的中长期省域负荷时序场景生成方法及系统，属于电力系统工程技术领域。对于气象敏感季节，采用负荷分解理论将其分为基础负荷和气象敏感负荷两部分，利用多变量灰色系统模型预估基础负荷与气象敏感负荷的峰值，并通过结合气温累积效应修正模型与气象数据的CNN‑BiLSTM‑Attention模型预估气象敏感负荷占比，从而得到气象敏感季节的负荷；同时，生成非气象敏感季节负荷。最后，将气象敏感负荷与非气象敏感负荷组合得到省域负荷场景。本发明分季节讨论负荷场景生成方法，提高了负荷与经济人口指标和气象数据的关联性，使得生成场景具有较高可信度。

本发明授权气象数据驱动下计及积温效应的中长期省域负荷时序场景生成方法及系统在权利要求书中公布了：1.气象数据驱动下计及积温效应的中长期省域负荷时序场景生成方法，其特征在于，步骤如下： 1进行负荷与气象因素相关性分析，将全年负荷序列划分为气象敏感季节负荷和非气象敏感季节负荷； 2针对气象敏感季节负荷，进行负荷分解，构建气温累积效应模型、多变量灰色系统模型和CNN-BiLSTM-Attention模型，生成气象敏感季节负荷时序场景，具体步骤如下： 2-1选取历史年中全天气温在16℃~25℃、且无降雨的春秋季负荷均值作为该年度春秋季的日基础负荷，再对该年度春秋季日基础负荷取均值作为该年度的年度基础负荷，夏冬季省域日负荷曲线与年度基础负荷曲线逐个做差得到夏冬季气象敏感负荷序列； 2-2构建气象敏感负荷峰值、年度基础负荷与经济指标之间的多变量灰色系统模型； 2-3构建日最高气温与日最大气象敏感负荷的温度累积效应修正模型； 温度累积效应修正模型为： 3 式中：为待预测日的最高温度，，为界限温度；为待预测日前日的最高温度；为最大累计天数；为累积效应系数； 采用温升曲线确定界限温度，温升曲线为日最高温度与日最大气象敏感负荷所拟合出来的曲线，该曲线斜率最大值所对应的温度即为界限温度，超过界限温度开始考虑温度累积效应，并采用试探法确定最大累积天数，即计算不同的最大累积天数的气象敏感负荷与最高温度的相关系数，相关系数最大值所对应的天数即为最大累积天数； 采用相关系数求解k，满足修正后的最高温度与气象负荷的相关系数最大，在选定的最大累积天数p下，累积效应系数序列的优化求解模型如下： 4 5 其中，为修正后的最高温度向量，对应的最高气象敏感负荷向量为，约束条件表示修正后的日平均气温是由目标日到目标日前日温度数据的加权平均，且距离目标日越近，当日气温对负荷的影响越强； 基于历史最高气温记录及其对应的24小时气温序列，构建省域日最高气温与省域24小时内各个小时的线性回归模型，通过修正后的省域日最高气温对省域24小时气温逐点修正，线性回归模型如下： 6 式中，是截距项，是最高气温的系数，是误差项，为第i天省域最高温度，为第天第小时的省域平均气温； 分别计算各个地市的各小时气温数据与对应小时的全省平均气温之间的相关系数，并据此计算出各个地市每小时的权重系数，进而对各个地市逐小时气温进行精准修正，计算公式如下： 7 8 9 式中，表示第个城市第个小时与全省第个小时之间的相关系数，表示第天第个城市第个小时的气温，表示第个城市第个小时的权重系数，表示第天第个城市第个小时修正后的气温； 2-4构建气象敏感负荷占比与气象数据之间的CNN-BiLSTM-Attention模型； 3针对非气象敏感季节负荷，选取负荷日特性指标，进行负荷指标概率分布拟合及抽样，获取目标年非气象敏感季节负荷特性指标，基于日特性指标生成非气象敏感季节负荷时序场景； 4将气象敏感季节负荷与非气象敏感季节负荷组合得到目标年负荷时序场景。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。