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！

龙图腾网恭喜南京理工大学;国网安徽省电力有限公司电力科学研究院申请的专利基于高频增强去噪扩散模型的短期净负荷概率预测方法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：CN119179868B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411699142.1，技术领域涉及：G06F18/20；该发明授权基于高频增强去噪扩散模型的短期净负荷概率预测方法是由罗李子;王城煌;龙寰;高润天;王小明设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本基于高频增强去噪扩散模型的短期净负荷概率预测方法在说明书摘要公布了：本发明公开了基于高频增强去噪扩散模型的短期净负荷概率预测方法，涉及电力负荷预测技术领域。本发明包括：接收配电网历史净负荷数据和多维气象采集数据，通过XGBoost算法和MIC最大信息系数进行条件特征的筛选，并基于筛选得到的条件特征构建条件特征集；基于历史负荷数据和扩散模型前向扩散过程，形成噪声化的净负荷数据；构建高频增强去噪扩散模型，利用条件特征集与噪声化的净负荷数据对高频增强去噪扩散模型进行训练。本发明通过对高频信号的自适应增强和对多尺度特征的有效提取，能够提升对复杂负荷波动模式的精准刻画能力与预测结果的稳定性，为配网计划生产、运行调度提供更加可靠的决策依据。

本发明授权基于高频增强去噪扩散模型的短期净负荷概率预测方法在权利要求书中公布了：1.基于高频增强去噪扩散模型的短期净负荷概率预测方法，其特征在于，包括以下步骤：接收配电网历史净负荷数据和多维气象采集数据，通过XGBoost算法和MIC最大信息系数进行条件特征的筛选，并基于筛选得到的条件特征构建条件特征集；构建高频增强去噪扩散模型，基于历史负荷数据和扩散模型前向扩散过程，形成噪声化的净负荷数据；利用条件特征集与噪声化的净负荷数据对高频增强去噪扩散模型进行训练，达到使用精度后输入噪声数据和条件特征实现对噪声的精准预测，并通过反向去噪过程生成初始负荷概率预测结果；基于核密度估计获取置信区间分位数处的初始负荷预测值，进而通过改进的损失函数对高频增强去噪扩散模型参数进行微调更新；利用更新后的高频增强去噪扩散模型，通过反向扩散获得最终的净负荷概率预测结果；构建条件特征集，具体包括如下：1以早晚6点为边界，将输入的配电网历史净负荷数据和多维气象采集数据划分为日间、夜间两个场景；2针对不同场景，采用XGBoost算法量化输出各气象特征对负荷变化的影响重要度数值，采用MIC最大信息系数计算特征间的线性非线性相关性，综合考虑特征重要性和相关性，形成气象特征集；3将得到的气象特征集与历史负荷数据和独热编码后的日期变量结合构成完整的扩散模型条件输入特征集；所述高频增强去噪扩散模型包括编码器和解码器，编码器为基于融合小波注意力的CNN-LSTM网络和Linear层，用于实现对输入噪声数据和条件特征的编码；解码器为多通道卷积神经网络，用于实现对噪声的精准预测；选用交叉注意力机制作为条件引导架构，基于条件引导架构挖掘输入噪声值和条件特征间的关联，融合信息后作为解码器输入；构建基于融合小波注意力的CNN-LSTM网络，具体如下：4将离散小波变换和自注意力机制结合，通过对线性层映射的特征做多层级小波分解；5在频域采用自注意力机制对高频细节分量进行自适应增强，高频增强后通过CNN-LSTM提取局部关键和长期依赖信息。

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南京理工大学;国网安徽省电力有限公司电力科学研究院，其通讯地址为：210014 江苏省南京市玄武区孝陵卫街道孝陵卫街200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”。