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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利基于VMD模态先验引导的电力负荷多步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：CN121172751B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511677570.9，技术领域涉及：H02J3/00；该发明授权基于VMD模态先验引导的电力负荷多步预测方法是由陈振娅;张亚盟;杨明;吴晓明;焦绪国;王鑫;刘臣胜;穆超;贺云鹏;徐硕;吴法宗设计研发完成，并于2025-11-17向国家知识产权局提交的专利申请。

本基于VMD模态先验引导的电力负荷多步预测方法在说明书摘要公布了：本发明涉及电力负荷预测技术领域，尤其是提供了一种基于VMD模态先验引导的电力负荷多步预测方法。该方法包括采集电网的小时级原始历史负荷数据，并进行预处理与划分；将训练集与验证集拼接形成扩展序列，执行离线变分模态分解VMD，提取各模态的频谱中心与能量占比，构建模态锚点；基于构建的模态锚点，采用滑动窗口策略构造监督学习样本；根据构造的监督学习样本，构建基于共享编码器‑多头预测‑门控融合的深度学习模型；设计复合损失函数，对深度学习模型进行端到端联合训练，获得训练后的模型；利用训练后的模型，通过测试集对未来多个时间步的电力负荷进行预测，获得负荷预测结果，该方法提升了预测的精确度、稳定性与可解释性。

本发明授权基于VMD模态先验引导的电力负荷多步预测方法在权利要求书中公布了：1.一种基于VMD模态先验引导的电力负荷多步预测方法，其特征在于，所述方法包括： 步骤1、采集电网的小时级原始历史负荷数据，并进行预处理与划分，获得训练集、验证集和测试集； 步骤2、将训练集与验证集拼接形成扩展序列，执行离线变分模态分解VMD，提取各模态的频谱中心与能量占比，构建模态锚点； 构建模态锚点，首先从训练集与验证集拼接序列的VMD分解结果中，截取与原始训练集时间范围对齐的模态分量；基于个模态，为每个模态构建一个二维模态锚点： ； 其中，为第个模态的频谱中心，用于表征其主导频率成分；为第个模态的能量占比，用于反映其在整体电力负荷中的贡献程度；和的表达式分别为： ； 其中，为模态的傅里叶变换，为归一化频率索引； ； 其中，为第个模态的总能量，为所有个模态的总能量之和 将模态锚点作为物理先验知识嵌入模型训练过程，用于引导模型学习与VMD分解一致的隐式模态分离能力； 步骤3、基于构建的模态锚点，采用滑动窗口策略构造监督学习样本； 监督学习样本为：； 其中，为第个样本的历史负荷序列，为局部统计特征向量，是未来步的真实负荷值，为样本数；为历史负荷序列窗口长度；为预测步长； 步骤4、根据构造的监督学习样本，构建基于共享编码器-多头预测-门控融合的深度学习模型； 共享编码器模块为设计残差差分卷积单元ReDiConv与Transformer的共享编码器结构；Transformer编码器由多头自注意力机制和前馈神经网络组成；在获得共享编码器输出的全局潜在变量后，构建个独立的模态预测头，用于对不同频率尺度模态分量的预测； 步骤5、设计复合损失函数，对深度学习模型进行端到端联合训练，获得训练后的模型； 步骤6、利用训练后的模型，通过测试集对未来多个时间步的电力负荷进行预测，获得负荷预测结果； 在测试阶段，将历史负荷序列窗口数据输入到共享编码器中，得到全局的潜在变量，然后结合局部统计特征向量，将全局潜在变量与输入窗口的局部统计特征进行融合，生成模态条件化输入向量，将模态条件化输入向量同时输入到个模态预测头和门控网络中，其中每个模态预测头为一个非线性神经网络；各模态预测头在训练过程中已学习到构建的模态锚点相对应的频率与能量特性，在推理阶段自主实现对负荷成分的隐式分解；随后，门控网络根据当前上下文动态生成各模态的融合权重，并将各预测头输出的模态序列按权重加权求和，最终得到负荷预测结果。

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齐鲁工业大学(山东省科学院)，其通讯地址为：250353 山东省济南市长清区西部新城大学科技园；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。