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;国网智能电网研究院有限公司申请的专利一种基线负荷预测方法、装置、电子设备和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：CN115828098B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211517953.6，技术领域涉及：G06F18/214；该发明授权一种基线负荷预测方法、装置、电子设备和存储介质是由王素;费斐;吕冉;郭明星;兰莉;虞婧;傅晨;蓝国卉;刘莹设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基线负荷预测方法、装置、电子设备和存储介质在说明书摘要公布了：本发明提供了一种基线负荷预测方法、装置、电子设备和存储介质，其中，该方法包括：获取历史负荷数据以及由指标确定的历史日数据和预测日数据；对由历史日数据构成的矩阵采用基于熵值法改进的主成分分析法确定指标中的主成分以及对应的主成分综合得分；根据由主成分综合得分划分后的指标对应的历史日数据和预测日数据计算预测日和历史日的气象相似度；根据气象相似度以及预测日和历史日的时间相似度确定与预测日相似的历史日集合；采用反向传播神经网络根据历史负荷数据、历史日集合、气象矩阵以及预测日数据得到预测日负荷数据。通过本发明，解决了相关技术中存在的基线负荷预测前的数据预处理得到的数据质量不高的问题。

本发明授权一种基线负荷预测方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种基线负荷预测方法，其特征在于，所述方法包括： 获取历史负荷数据以及由指标确定的历史日数据和预测日数据，其中，所述指标包括温度、湿度、气压、降水、辐照度以及风速； 根据所述历史日数据生成历史日数据矩阵，其中，所述历史日数据矩阵的行向量代表一个样本，所述一个样本包括目标时刻下所述指标对应的历史日数据，所述历史日数据矩阵的列向量包括一项指标在所有时刻下的历史日数据； 对所述历史日数据矩阵进行标准化处理； 根据标准化处理后的矩阵的列向量中历史日数据的平均值对缺失的数据进行预填补； 基于灰色关联算法，确定与包含缺失数据的样本最相关的预填补后的矩阵中的样本； 采用KNN算法和DBSCAN算法根据所述矩阵中的样本计算缺失数据的填补值； 对由所述历史日数据构成的矩阵采用基于熵值法改进的主成分分析法确定所述指标中的主成分以及对应的主成分综合得分； 根据由所述主成分综合得分划分后的指标对应的历史日数据和预测日数据计算预测日和历史日的气象相似度； 根据所述气象相似度以及预测日和历史日的时间相似度确定与预测日相似的历史日集合； 采用反向传播神经网络根据所述历史负荷数据、所述历史日集合、气象矩阵以及所述预测日数据得到预测日负荷数据，所述气象矩阵由划分后的指标对应的历史日数据和预测日数据构成； 所述对由所述历史日数据构成的矩阵采用基于熵值法改进的主成分分析法确定所述指标中的主成分以及对应的主成分综合得分，包括： 根据填补后的历史日数据生成完整历史日数据矩阵； 根据所述完整历史日数据矩阵中列向量的均值对所述完整历史日数据矩阵进行归一化处理； 计算归一化处理后的矩阵的协方差矩阵以及所述协方差矩阵的特征值和特征向量； 根据所述特征值的累计方差贡献率确定所述指标中的主成分； 根据所述特征向量和所述归一化处理后的矩阵计算主成分得分； 根据主成分熵值和主成分样本比重的加权和确定主成分综合得分，其中，所述主成分熵值和主成分样本比重根据所述主成分得分确定； 所述根据由所述主成分综合得分划分后的指标对应的历史日数据和预测日数据计算预测日和历史日的气象相似度，包括： 根据所述主成分综合得分将所述指标分为重要指标和一般指标； 根据所述历史日数据、所述预测日数据获取历史日以及预测日在重要指标下的历史日数据的最大值和最小值； 根据所述历史日数据、所述预测日数据获取历史日以及预测日在一般指标下的历史日数据的平均值； 对由所述平均值以及所述最大值和最小值构成的气象矩阵采用欧式距离计算所述历史日和预测日的气象相似度。

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;国网智能电网研究院有限公司，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。