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！

龙图腾网获悉武汉大学;中国电力科学研究院有限公司;国网天津市电力公司申请的专利一种基于动态时序预测的电力系统典型场景概率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：CN115293249B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202210877305.5，技术领域涉及：G06F18/2415；该发明授权一种基于动态时序预测的电力系统典型场景概率预测方法是由廖思阳;姜新雄;徐箭;李琰;王新迎;尚学军;王天昊设计研发完成，并于2022-07-25向国家知识产权局提交的专利申请。

本一种基于动态时序预测的电力系统典型场景概率预测方法在说明书摘要公布了：本发明涉及一种基于动态时序预测的电力系统典型场景概率预测方法，首先构建针对于特征变量的动态时序预测模型；使用支持向量机对数据知识进行建模，获取数据样本决策分数；采用sigmoid函数对样本决策分数进行修改，将其映射至区间[0,1]；最后利用极大似然估计确定sigmoid参数取值，实现对目标典型场景的定量概率预测。本发明使用最大互信息对原始数据进行了降维，将动态时序预测模型与场景分类模型相结合，并使用基于极大似然估计的决策分数概率转化方法，将电力系统典型场景的分类信息转化为概率信息，更有利于调度运行人员评估系统未来风险，制定更为准确的调度运行计划。

本发明授权一种基于动态时序预测的电力系统典型场景概率预测方法在权利要求书中公布了：1.一种基于动态时序预测的电力系统典型场景概率预测方法，其特征在于，包括根据电力系统目标典型场景的物理特性，基于最大互信息度量方法筛选出与其相关的特征子集，并从历史数据中收集这些特征变量的时间序列数据，结合目标典型场景状态序列形成多维时间序列数据集； 基于长短时间记忆网络与历史时间序列数据，通过交叉验证和网格搜索，构建针对于关联特征变量的动态时序预测模型，使用支持向量机SVM对数据知识进行建模，对所筛选特征的历史样本进行分类学习，获取针对于每一个数据样本的决策分数； 采用一个带参数的sigmoid函数，对SVM的决策分数输出进行修改，并将决策分数值映射到区间[0,1]，利用极大似然估计方法确定sigmoid函数中的参数取值，实现决策分数到概率值的映射，得到电力系统目标典型场景概率预测模型，最终结合特征变量的动态时序预测结果实现对电力系统目标典型场景的定量概率预测； 确定需要预测的电力系统目标典型场景，依据历史数据信息构建该目标典型场景的状态序列，N为数据点的总个数，为第k个时间点的目标场景状态取值，，表示目标场景发生，正例，表示目标场景未发生，负例；同时获取历史数据信息中所记录的各特征变量的时间序列数据，记为X，随后使用最大互信息系数MIC度量方法获取每个特征变量与目标典型场景状态序列之间的MIC系数，并设置阈值剔除低相关的特征变量，得到特征子集，等于特征变量的总个数D减去被剔除特征变量的个数； 随后从历史数据中提取特征子集中所包含的特征变量的时间序列数据，并结合目标典型场景状态序列，形成多维时间序列数据集； 采用一个带A、B参数的sigmoid函数，对SVM输出的决策分数进行修改，将决策分数映射到[0,1]区间，并基于步骤3所获取的决策分数‑标签集，使用极大似然估计方法确定sigmoid函数的参数A、B的取值，实现从决策分数到目标典型场景发生概率的转化； 采用的基于sigmoid函数的决策分数映射形式如下： 式中：、为sigmoid函数参数，为对应于输入样本的决策分数值，表示输入样本属于正例的概率。

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武汉大学;中国电力科学研究院有限公司;国网天津市电力公司，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。