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;济南海颐软件有限公司申请的专利基于混合深度学习架构的电力系统负荷预测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：CN121457847B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202512020342.0，技术领域涉及：G06Q10/063；该发明授权基于混合深度学习架构的电力系统负荷预测方法及系统是由郭欣;石玉峰;战影;史维友;赵允民;张丽坤设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本基于混合深度学习架构的电力系统负荷预测方法及系统在说明书摘要公布了：本发明属于智能电网技术领域，提供了基于混合深度学习架构的电力系统负荷预测方法及系统，其技术方案为结合电力系统负荷序列嵌入，分别在时域分支和频域分支中捕获电力系统负荷序列的特征，融合得到双域融合特征；基于双域融合特征，对内生变量和外生变量联合建模，得到融合外生变量信息的双域融合特征；基于融合外生变量信息的双域融合特征，引入Bi‑Mamba编码，得到融合全局依赖与局部动态的电力系统负荷序列表示；将融合全局依赖与局部动态的电力系统负荷序列表示和融合外生变量信息的双域融合特征行残差连接和归一化处理后输入至预测头，生成未来时刻的多步电力负荷预测序列。提升了预测精度、稳定性与计算效率。

本发明授权基于混合深度学习架构的电力系统负荷预测方法及系统在权利要求书中公布了：1.基于混合深度学习架构的电力系统负荷预测方法，其特征在于，包括如下步骤： 获取电力系统负荷数据序列； 基于电力系统负荷数据对构建的电力系统负荷预测模型进行训练得到训练后的电力系统负荷预测模型；其中，电力系统负荷预测模型的构建过程包括： 基于获取的电力系统负荷数据序列处理得到电力系统负荷序列嵌入； 结合电力系统负荷序列嵌入，分别在时域分支和频域分支中捕获电力系统负荷序列的特征，融合两个分支捕获的特征得到双域融合特征； 基于双域融合特征，对内生变量和外生变量联合建模，得到融合外生变量信息的双域融合特征； 基于融合外生变量信息的双域融合特征，引入Bi-Mamba编码，由前向Mamba模块提取顺序方向的依赖信息，反向Mamba模块从反向建模未来上下文，得到融合全局依赖与局部动态的电力系统负荷序列表示； 将融合全局依赖与局部动态的电力系统负荷序列表示和融合外生变量信息的双域融合特征行残差连接和归一化处理后输入至预测头，生成未来时刻的多步电力负荷预测序列； 基于训练后的电力系统负荷预测模型进行预测得到未来时刻的多步电力负荷预测序列； 所述电力系统负荷预测模型采用Transformer编码器，将Transformer编码器的前馈网络层采用Mamba结构替换； 所述基于双域融合特征，对内生变量和外生变量联合建模，得到融合外生变量信息的双域融合特征，包括： 对每一种外生变量，分别通过线性投影生成该外生变量的特征表示，得到对应的变量级嵌入令牌集合，记为； 将双域融合特征中的内生变量的全局令牌作为查询向量，而外生变量的变量级令牌集合被用作键和值，通过交叉注意力机制使全局令牌能够自适应地聚合外生变量的上下文信息，将更新后的全局令牌重新拼接回内生序列得到融合外生变量信息的双域融合特征。

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;济南海颐软件有限公司，其通讯地址为：250000 山东省济南市历城区山大南路27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。