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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于时序数据周期性的用电负荷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：CN114519471B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210312770.4，技术领域涉及：G06Q10/04；该发明授权一种基于时序数据周期性的用电负荷预测方法是由张书铭;万健;张纪林;袁俊峰;曾艳;孙超设计研发完成，并于2022-03-28向国家知识产权局提交的专利申请。

本一种基于时序数据周期性的用电负荷预测方法在说明书摘要公布了：本发明公开了一种基于时序数据周期性的用电负荷预测方法。本发明涉及的模型包含两个模块：趋势建模模块和周期关注模块，分别抓取时间序列趋势性和周期性的特征。其中趋势建模模块采用改进后的TCN，负责抓取时间序列的长短期依赖，建模时间序列的趋势性；周期关注模块由卷积运算和BiLSTM组成，该模块通过跨周期关注预测点在历史周期中的相近位置，对时间序列的周期特征进行提取，利用门控循环神经网络的底层原理，使时序信息跨周期传递的同时，避免了循环神经网络在处理长序列输入时梯度消失的问题。实验证明，显式地关注时间序列的周期特性，让本发明具有更好的解释性的同时，提升了在用电负荷数据预测任务上的准确度。

本发明授权一种基于时序数据周期性的用电负荷预测方法在权利要求书中公布了：1.一种基于时序数据周期性的用电负荷预测方法，其特征在于，该方法包括以下步骤：步骤1：采集居民日常用电数据，包括用电负荷以及协变量，所述协变量包括湿度、温度和天气；步骤2：对采集到的用电数据进行预处理；去除异常值，通过分析原始数据，给数据赋予附加特征；对数据的每一维特征分别进行归一化处理，将数据划分为训练集、验证集和测试集；取一周的用电数据作为训练样本，未来一天的用电负荷数值作为标签；步骤3：对步骤2预处理后的数据在时间维度上做一维卷积运算，提取相邻时间步之间的局部相关性特征；将卷积运算结果按周期划分，每个周期作为一个BiLSTM单元的输入，按序输入到BiLSTM单元中；步骤4：改进TCN的残差连接，将TCN残差块中的协变量截去，在残差块中仅保留历史用电量数据；将步骤2预处理后的数据输入到改进后的TCN模型中；步骤5：将步骤3和步骤4中的结果输入到全连接模块中进行充分融合；步骤6：引入残差连接，将步骤5的结果和残差块进行线性相加；步骤7：使用步骤6输出的数据作为最终预测结果；步骤4中对于TCN的改进，将TCN层与层之间的残差块中的协变量删除，替换为用电负荷的线性回归，增加了模型在多变量样本单变量标签预测任务上的预测精度；步骤5中全连接模块分为两层，第一层提取步骤3和步骤4输出矩阵的共同特征来生成周期关注及长短期趋势依赖的联合特征；第二层负责调整矩阵维度，聚合隐藏层信息。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街3号路口；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”。