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！

龙图腾网恭喜安徽继远软件有限公司申请的专利一种用于电力负荷预测的历史数据驱动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：CN119721179B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510224140.5，技术领域涉及：G06N3/092；该发明授权一种用于电力负荷预测的历史数据驱动方法及系统是由吴立刚;刘俊;孔伟伟;刘传宝;姚天杨;孙飞;周小希;徐唯耀;汪春燕;李杨月;姚义;宋加帅;赵鑫;张勇;付成成设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种用于电力负荷预测的历史数据驱动方法及系统在说明书摘要公布了：本发明公开了一种用于电力负荷预测的历史数据驱动方法及系统，涉及负荷预测技术领域。本发明与之前的负荷预测模型相比，解决了普通的单一电力负荷预测模型难以适应不同的用电地区的不同时长的电力负荷预测需求的问题；通过历史数据驱动的方法，可以有效地进行区域或网格的短期和长期电力负荷预测，且短期负荷预测模型通过A3C算法进一步优化基于改进粒子群算法进行参数优化的LSTM网络，能够提高整体预测性能。为电力系统的运营和规划提供重要支持。短期负荷预测模型基于改进蒙特卡罗模拟方法进一步调整为长期负荷预测模型，能够考虑多种可能的场景和不确定性因素，提高长期负荷预测的预测性能，为电力系统的高效运行和优化提供重要的数据支持。

本发明授权一种用于电力负荷预测的历史数据驱动方法及系统在权利要求书中公布了：1.一种用于电力负荷预测的历史数据驱动方法，其特征在于，包括如下步骤：S1：采集区域内的历史用电数据，并对数据进行预处理操作；S2：对预处理后的数据进行分析并基于A3C算法和优化LSTM网络搭建短期负荷预测模型进行短期负荷预测；具体如下：LSTM网络对历史电力负荷数据进行特征提取和初步预测；所述LSTM网络的输出表示为： h t=LSTMxt,ht-1其中，xt为当前时刻的输入；ht-1为上一时刻的隐藏状态；ht为当前时刻的隐藏状态；将LSTM的输出ht传递给一个全连接层，得到预测的负荷值yt： y t=wht+b其中，w为权重参数；b为偏置参数，参数基于改进粒子群算法寻优获得；基于改进A3C算法进行优化LSTM网络的强化学习，所述改进A3C算法具体如下：所述改进A3C算法的强化学习具体如下：基于LSTM网络表示值函数Qsc,ac，表示在状态sc采取动作ac的预期回报，使用多步Q-learning算法进行回报函数的传播，具体如下： Qsc,ac=Rc+φRc+1+···+φC-1Rc+C+1+φCmaxQsc+C,ac其中，c，C均为步数；φ为权重因子；R为回报函数；策略网络基于LSTM网络学习和优化策略，使预测负荷准确率最大化；策略网络模型的输入为状态特征，输出为动作，使用策略迭代更新网络中的策略参数θ；使用梯度上升算法来预测奖励的期望E[Rc]；策略梯度的更新如下： 其中，πac|sc;θ表示在状态sc采取动作ac的概率；为对E[Rc]的无偏估计；θ是策略参数，策略参数θ的更新方式如下： 其中，βi为随机扰动；N为采样样本个数；α为更新参数；δ为学习率参数；基于改进粒子群算法进行短期预测模型中各策略参数θ的寻优；vk+1,j=ωvk,j+c1r1pj-uk,j+c2r2gj-uk,j u k+1,j=uk,j+vk+1,j其中： ω=ω min +cos[k-1K-1]·ωmax-ωmin c 1=c11+[k-1K-1]·c11-c12 c 2=c21+[k-1K-1]·c21-c22其中，vk,j、vk+1,j分别为第j个参数的第k次更迭和第k+1次更迭的速度；uk,j、uk+1,j为第j个参数的第k次更迭和第k+1次更迭的值；ω为惯性权重；c1、c2为加速因子；r1、r2为[0,1]之间均匀分布的随机变量；pj为个体最优值；gj为全局最优值；K为最大迭代次数；ωmax、ωmin分别为惯性权重的最大值和最小值；c11、c12为c1的起始值和结束值；c21、c22为c2的起始值和结束值；S3：基于改进蒙特卡罗模拟结合所述S2中搭建的短期负荷预测模型搭建长期负荷预测模型进行长期负荷预测；所述长期负荷预测模型对历史负荷数据的波动率进行建模，使用GARCH模型捕捉负荷数据的波动特征；基于所述GARCH模型生成未来波动率路径，结合历史负荷数据的均值和生成的波动率路径，通过改进蒙特卡罗模拟生成未来负荷预测值；将所述未来负荷预测值作为一种输入特征，输入到短期负荷预测模型中，结合历史数据对模型进行训练，并基于调整后的参数优化模型进行长期负荷预测；S4：基于短期负荷预测和长期负荷预测的结果进行相应的日志记录，并划分风险阈值进行风险预警。

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安徽继远软件有限公司，其通讯地址为：230000 安徽省合肥市高新区习友路1800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”。