買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜杭州電子科技大學(xué)申請(qǐng)的專(zhuān)利一種基于時(shí)序數(shù)據(jù)周期性的用電負(fù)荷預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114519471B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-30發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210312770.4，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種基于時(shí)序數(shù)據(jù)周期性的用電負(fù)荷預(yù)測(cè)方法是由張書(shū)銘;萬(wàn)健;張紀(jì)林;袁俊峰;曾艷;孫超設(shè)計(jì)研發(fā)完成，并于2022-03-28向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于時(shí)序數(shù)據(jù)周期性的用電負(fù)荷預(yù)測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于時(shí)序數(shù)據(jù)周期性的用電負(fù)荷預(yù)測(cè)方法。本發(fā)明涉及的模型包含兩個(gè)模塊：趨勢(shì)建模模塊和周期關(guān)注模塊，分別抓取時(shí)間序列趨勢(shì)性和周期性的特征。其中趨勢(shì)建模模塊采用改進(jìn)后的TCN，負(fù)責(zé)抓取時(shí)間序列的長(zhǎng)短期依賴(lài)，建模時(shí)間序列的趨勢(shì)性；周期關(guān)注模塊由卷積運(yùn)算和BiLSTM組成，該模塊通過(guò)跨周期關(guān)注預(yù)測(cè)點(diǎn)在歷史周期中的相近位置，對(duì)時(shí)間序列的周期特征進(jìn)行提取，利用門(mén)控循環(huán)神經(jīng)網(wǎng)絡(luò)的底層原理，使時(shí)序信息跨周期傳遞的同時(shí)，避免了循環(huán)神經(jīng)網(wǎng)絡(luò)在處理長(zhǎng)序列輸入時(shí)梯度消失的問(wèn)題。實(shí)驗(yàn)證明，顯式地關(guān)注時(shí)間序列的周期特性，讓本發(fā)明具有更好的解釋性的同時(shí)，提升了在用電負(fù)荷數(shù)據(jù)預(yù)測(cè)任務(wù)上的準(zhǔn)確度。

本發(fā)明授權(quán)一種基于時(shí)序數(shù)據(jù)周期性的用電負(fù)荷預(yù)測(cè)方法在權(quán)利要求書(shū)中公布了：1.一種基于時(shí)序數(shù)據(jù)周期性的用電負(fù)荷預(yù)測(cè)方法，其特征在于，該方法包括以下步驟：步驟1：采集居民日常用電數(shù)據(jù)，包括用電負(fù)荷以及協(xié)變量，所述協(xié)變量包括濕度、溫度和天氣；步驟2：對(duì)采集到的用電數(shù)據(jù)進(jìn)行預(yù)處理；去除異常值，通過(guò)分析原始數(shù)據(jù)，給數(shù)據(jù)賦予附加特征；對(duì)數(shù)據(jù)的每一維特征分別進(jìn)行歸一化處理，將數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；取一周的用電數(shù)據(jù)作為訓(xùn)練樣本，未來(lái)一天的用電負(fù)荷數(shù)值作為標(biāo)簽；步驟3：對(duì)步驟2預(yù)處理后的數(shù)據(jù)在時(shí)間維度上做一維卷積運(yùn)算，提取相鄰時(shí)間步之間的局部相關(guān)性特征；將卷積運(yùn)算結(jié)果按周期劃分，每個(gè)周期作為一個(gè)BiLSTM單元的輸入，按序輸入到BiLSTM單元中；步驟4：改進(jìn)TCN的殘差連接，將TCN殘差塊中的協(xié)變量截去，在殘差塊中僅保留歷史用電量數(shù)據(jù)；將步驟2預(yù)處理后的數(shù)據(jù)輸入到改進(jìn)后的TCN模型中；步驟5：將步驟3和步驟4中的結(jié)果輸入到全連接模塊中進(jìn)行充分融合；步驟6：引入殘差連接，將步驟5的結(jié)果和殘差塊進(jìn)行線(xiàn)性相加；步驟7：使用步驟6輸出的數(shù)據(jù)作為最終預(yù)測(cè)結(jié)果；步驟4中對(duì)于TCN的改進(jìn)，將TCN層與層之間的殘差塊中的協(xié)變量刪除，替換為用電負(fù)荷的線(xiàn)性回歸，增加了模型在多變量樣本單變量標(biāo)簽預(yù)測(cè)任務(wù)上的預(yù)測(cè)精度；步驟5中全連接模塊分為兩層，第一層提取步驟3和步驟4輸出矩陣的共同特征來(lái)生成周期關(guān)注及長(zhǎng)短期趨勢(shì)依賴(lài)的聯(lián)合特征；第二層負(fù)責(zé)調(diào)整矩陣維度，聚合隱藏層信息。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)2號(hào)大街3號(hào)路口；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。