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！

龙图腾网获悉湖南工商大学申请的专利微电网短期负荷预测方法、装置、电子设备及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：CN121328859B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511858167.6，技术领域涉及：G06Q10/04；该发明授权微电网短期负荷预测方法、装置、电子设备及存储介质是由陈晓红;谢雨喆;易国栋;胡东滨;施光泽;张军号设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本微电网短期负荷预测方法、装置、电子设备及存储介质在说明书摘要公布了：本发明属于电力负荷预测及人工智能技术领域，提供了一种微电网短期负荷预测方法、装置、电子设备及存储介质，其中方法包括：对历史运行数据进行预处理，得到训练数据；将电功率特征作为物理先验特征向量嵌入至LSTM神经网络，得到物理嵌入向量，将训练数据与物理嵌入向量进行融合；对融合序列采用LSTM神经网络进行预训练，得到第一物理约束LSTM模型；用WassersteinGAN生成对抗框架进行联合训练，得到第二物理约束LSTM模型；对第二物理约束LSTM模型的判别器进行冻结并进行联合训练，将得到微电网短期负荷预测模型并对实时运行数据进行预测，得到短期负荷预测结果。本发明能提高微电网短期负荷预测准确度。

本发明授权微电网短期负荷预测方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种微电网短期负荷预测方法，其特征在于，包括： 获取目标微电网的历史运行数据，对历史运行数据进行预处理，得到训练数据； 获取训练数据的电功率特征，将所述电功率特征作为物理先验特征向量嵌入至LSTM神经网络，得到物理嵌入向量，将训练数据与物理嵌入向量进行融合，得到融合序列； 对所述融合序列采用LSTM神经网络进行预训练，得到第一物理约束LSTM模型； 对所述第一物理约束LSTM模型采用WassersteinGAN生成对抗框架进行联合训练，得到第二物理约束LSTM模型； 对所述第二物理约束LSTM模型的判别器进行冻结，并进行联合训练，得到微电网短期负荷预测模型； 获取目标微电网的实时运行数据，通过所述微电网短期负荷预测模型对实时运行数据进行预测，得到目标微电网的短期负荷预测结果； 所述对所述第一物理约束LSTM模型采用WassersteinGAN生成对抗框架进行联合训练，得到第二物理约束LSTM模型，包括： 所述WassersteinGAN生成对抗框架包括由第一物理约束LSTM模型构成的生成器，以及，由LSTM神经网络的编码器结构构成的判别器； 获取生成器得到的预测负荷数据，通过判别器、Wasserstein距离及梯度惩罚对预测负荷数据和真实负荷数据进行评估，得到标量评分； 根据标量评分，对联合训练的第一物理约束LSTM模型和WassersteinGAN生成对抗框架采用物理损失函数、生成器的总目标损失函数及判别器损失函数进行参数优化，得到第二物理约束LSTM模型，其中生成器的总目标损失函数为： ； 其中，为对抗损失权重，为物理约束权重，为数据驱动权重，为为对抗损失，为均方差损失； 判别器损失函数为： ； 其中，表示生成器G生成的预测负荷数据的期望值，为判别器对预测负荷数据的输出；表示从真实分布数据中抽取的真实负荷数据的期望值，为对真实负荷数据的输出；为梯度惩罚项，为判别器对插值样本的梯度，表示二范数，为梯度惩罚系数，插值样本，其中，表示均匀分布的随机变量，为真实负荷数据； 采用交替方式进行联合训练，其中交替方式包括： 对判别器进行更新，包括冻结生成器，采集真实负荷数据和预测负荷数据，计算插值样本和判别器损失，反向传播更新判别器参数；或者， 对生成器进行更新，包括冻结判别器生成预测负荷数据，计算对抗损失、物理约束损失与数据驱动损失，通过梯度裁剪进行反向传播更新生成器参数； 其中交替方式还包括经过预设数量的epoch后，对物理约束权重进行动态调整； 所述对所述第二物理约束LSTM模型的判别器进行冻结，根据第二损失函数进行联合训练，得到微电网短期负荷预测模型，包括： 对第二物理约束LSTM模型的判别器进行冻结，停止判别器的参数更新； 以冻结的判别器的参数作为固定评分器，采用物理约束损失、对抗损失与数据驱动损失，对第二物理约束LSTM模型的生成器进行更新； 对第二物理约束LSTM模型的生成器经过预设数量的epoch后的更新时，对对抗损失进行衰减，直至训练数据的验证集的物理残差停止下降，得到微电网短期负荷预测模型。

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湖南工商大学，其通讯地址为：410205 湖南省长沙市岳麓区岳麓大道569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。