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！

龙图腾网获悉国网上海市电力公司申请的专利一种极端天气下基于时空图卷积网络的电力负荷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：CN120822204B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511339902.2，技术领域涉及：G06F18/27；该发明授权一种极端天气下基于时空图卷积网络的电力负荷预测方法是由陈云峰;徐冰雁;叶影;汤衡;刘杨名;张莹;郭磊;沈杰士;陈龙;曹春;徐建国;汤波;楚瀛;金国华;陈良斌;马新然;朱威;葛鑫宇设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本一种极端天气下基于时空图卷积网络的电力负荷预测方法在说明书摘要公布了：本发明提供了一种极端天气下基于时空图卷积网络的电力负荷预测方法。包括：采集电力系统中多个负荷节点的历史负荷数据及区域气象要素数据，并通过模型解释与回归分析相结合的方式，筛选对负荷影响显著的关键气象特征构建气象特征向量。采用多变量经验模态分解与奇异值分解对负荷数据进行多尺度重构，提取平滑有效的负荷特征张量。在此基础上，结合节点物理连接关系构建图网络结构，并在时间维度上融合负荷与气象特征，形成节点时序特征。利用时空图卷积网络模型对负荷进行预测。本发明能够有效建模负荷数据的时空依赖关系，增强对极端天气条件下负荷变化的预测准确性，具有良好的鲁棒性和泛化能力。

本发明授权一种极端天气下基于时空图卷积网络的电力负荷预测方法在权利要求书中公布了：1.一种极端天气下基于时空图卷积网络的电力负荷预测方法，其特征在于，包括以下特征： 采集电力系统中多个负荷节点的历史负荷数据与区域气象要素数据； 基于区域气象要素数据，通过模型解释与回归分析相结合的方式计算各气象特征的特征贡献值，并选取若干关键气象特征构建气象特征向量； 对电力系统中多个负荷节点的历史负荷数据进行多变量经验模态分解，提取多阶固有模态函数分量，并对每阶模态分量进行奇异分解，构建低秩近似嵌入矩阵，获得多尺度平滑重构后的负荷特征张量； 基于电力系统中各负荷节点的物理连接关系构建图网络结构及邻接矩阵，并在每个时间片上将对应节点的负荷特征张量、气象特征向量进行拼接，形成图网络节点的时序特征表示； 基于构建的图网络结构及邻接矩阵，构建基于时空图卷积网络的电力负荷预测模型，基于构建的电力负荷预测模型实现电力负荷预测； 所述基于区域气象要素数据，通过模型解释与回归分析相结合的方式计算各气象特征的特征贡献值，具体包括： 基于所述区域气象要素数据与对应时刻的负荷数据，构建多元线性回归模型，获得各气象特征的回归系数； 基于所述区域气象要素数据及现有的负荷预测模型，利用模型解释算法计算各气象特征的模型解释贡献值； 根据各个气象特征的回归系数与模型解释贡献值，计算各个气象特征对于负荷数据的特征贡献值： 其中，为第i个气象特征的特征贡献值，、分别为第i个气象特征的回归系数与模型解释贡献值； 对所有气象特征的值按从大到小排序，选取前k个对应的气象特征，构建气象特征向量； 所述基于所述区域气象要素数据与对应时刻的负荷数据，构建多元线性回归模型，获得各气象特征的回归系数，具体包括： 以每个采样时刻t的负荷增量为因变量，以同一时刻的气象特征向量为自变量，建立多元线性回归模型： 其中，、分别为历史负荷数据中时刻t与时刻t‑1的负荷值，m为气象特征的总数量，为第i个气象特征的回归系数，表征该气象特征对负荷增量的线性影响程度；表示第i个气象特征在时刻t采样值，为误差项，为常数项； 通过最小二乘法求解得到各气象特征的回归系数； 所述基于所述区域气象要素数据及现有的负荷预测模型，利用模型解释算法计算各气象特征的模型解释贡献值，具体包括： 对于第i个气象特征，定义气象特征集合为，对于任意不包含特征i的子集，将输入向量划分为包含子集S的气象特征向量和包含子集S及待测特征i的气象特征向量，根据现有的负荷预测模型计算第i个气象特征的模型解释贡献值： 其中，表示子集S中包含的气象特征数量的阶乘，表示从剩余个气象特征中去除待测特征后所得数量的阶乘，表示气象特征总数m的阶乘，、分别表示输入气象特征向量为与时现有负荷预测模型的输出。

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上海市电力公司，其通讯地址为：200122 上海市浦东新区自由贸易试验区源深路1122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。