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！

龙图腾网获悉西华大学申请的专利极端天气事件的电力负荷预测方法、装置、计算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：CN119231530B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202411765701.4，技术领域涉及：H02J3/00；该发明授权极端天气事件的电力负荷预测方法、装置、计算设备及存储介质是由王军;郭元硕;随泽远;景奎;钟燕设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本极端天气事件的电力负荷预测方法、装置、计算设备及存储介质在说明书摘要公布了：本申请提供极端天气事件的电力负荷预测方法、装置、计算设备及存储介质，其中所述方法包括：采集电力负荷数据与气象预报数据；基于相关系数法，确定电力负荷数据与气象预报数据之间的相关性，并剔除冗余特征，得到负荷数据序列；通过粒子群算法优化的变模态分解，处理所述负荷数据序列，得到高频分量、低频分量与残差分量；通过第一模型对高频分量进行处理得到第一序列，通过第二模型对低频分量进行处理得到第二序列；通过第三模型对残差分量进行处理，并将处理结果结合第一序列与第二序列，确定电力负荷预测数据。在减轻特征冗余度和信息计算量的前提下，以高可靠性的信号分解，削弱数据处理复杂度，完成复杂的极端天气预测任务。

本发明授权极端天气事件的电力负荷预测方法、装置、计算设备及存储介质在权利要求书中公布了：1.一种极端天气事件的电力负荷预测方法，其特征在于，包括：采集电力负荷数据与气象预报数据；基于相关系数法，确定所述电力负荷数据与所述气象预报数据之间的相关性，并剔除冗余特征，得到负荷数据序列，具体的，采用Kendall相关系数法筛选出最相关的变量组合，去掉冗余特征；通过粒子群算法优化的变模态分解，处理所述负荷数据序列，得到高频分量、低频分量与残差分量；通过预训练的第一模型对所述高频分量进行处理，得到第一序列，通过预训练的第二模型对所述低频分量进行处理，得到第二序列，具体的，通过所述第一模型中包含的时间卷积网络，对所述高频分量进行特征提取，并将特征提取结果与所述气象预报数据对应的特征进行特征融合，得到输入特征，沿着所述第一模型的通道维度，通过频域注意力机制将所述输入特征划分为多个子序列，并通过多个所述子序列，确定频率信道向量，根据所述第一模型中包含的门控脉冲神经P模型，对所述频率信道向量进行处理，得到所述第一序列，基于iTransfomer模型架构的所述第二模型中，包含的归一化层、前馈网络以及自注意力机制，对所述低频分量进行处理，得到所述第二序列，其中，根据所述高频分量得到所述第一序列的过程为，将所述高频分量输入到频域增强通道注意机制的时间卷积网络-基于频域注意机制的门控脉冲神经P模型，即所述第一模型中，首先基于时间卷积网络的特征提取和特征融合，将经过分解得到的高频负荷分量X输入到TCN的D个滤波器中以获得，随后连接每个向量的最后一个元素以获得特征，再将特征P和气象特征合并，得到新的输入特征映射J，随后在频域中分离特征，沿着通道维度，频域注意力机制将输入特征J划分为r个子序列，r表示特征的数量，通道数量为1，X代表时间序列的长度，然后每个通道将由相同的频率分量处理，得到，并且，代表在时间的离散余弦变换，代表时间序列的长度，是P维向量，再通过堆叠操作，可以获得整个频率信道向量，获得由频域增强注意力机制处理后的向量Q，被分成z个子组的多元特征作为FAGP模型的输入，FAGP定义为，代表单一的字母表；代表一个脉冲，第m个门控神经元分别表示为，且，第m个神经元的内部状态表示为；表示一系列非线性脉冲规则；表示它的形式，脉冲阈值表示为T；和属于非线性函数；；遗忘门和消耗门，和，和分别为输入神经元和输出神经元，最后基于FAGP模型的高频分量预测，输出结果为第一序列；通过预训练的第三模型对所述残差分量进行处理，并将处理结果结合所述第一序列与所述第二序列，确定电力负荷预测数据，具体的，根据Informer模型架构的所述第三模型中，包含的多头稀疏自注意力机制、解码器以及Informer模型蒸馏机制，对所述残差分量进行处理，得到残差负荷分量预测数据，结合所述第一序列、所述第二序列与所述残差负荷分量预测数据，确定所述电力负荷预测数据。

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西华大学，其通讯地址为：610039 四川省成都市金牛区土桥金周路999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”。