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！

龙图腾网恭喜长春大学申请的专利一种基于双通道交叉注意力网络的电力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：CN119669732B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510180416.4，技术领域涉及：G06F18/213；该发明授权一种基于双通道交叉注意力网络的电力负荷预测方法是由肖治国;李长根;白新璐;申奇;李昕原;李念峰设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种基于双通道交叉注意力网络的电力负荷预测方法在说明书摘要公布了：一种基于双通道交叉注意力网络的电力负荷预测方法，属于深度学习中时序预测技术领域。本方法包括以下步骤：获取电力负荷数据集，并对其进行预处理，应用VMD将电力负荷数据分解为多个局部的成分，并通过APSO算法迭代优化VMD参数，筛选复杂度最低的子序列与原始特征结合作为模型输入；然后构建双通道交叉注意力网络模型,运用BiLSTM通道和Transformer通道的并行机制处理时间序列数据，并通过改进的交叉注意力层增强特征表达能力，采用MLP融合KAN网络来进行电力负荷预测。本发明通过构建双通道交叉注意力网络进行电力负荷的时序预测，较高的预测精度和鲁棒性，显著提升了负荷时序预测的准确性。

本发明授权一种基于双通道交叉注意力网络的电力负荷预测方法在权利要求书中公布了：1.一种基于双通道交叉注意力网络的电力负荷预测方法，其特征是：包括以下步骤，并且以下步骤顺次进行，步骤S1：获取电力负荷数据集，对其中的电力负荷数据进行预处理，接着应用变分模态分解VMD将电力负荷数据时间序列分解为不同模态的数据分量，通过自适应的粒子群算法APSO迭代优化VMD参数，得到优化后的分解序列并将其作为新的特征与原始电力负荷特征相结合，形成混合特征数据，对混合特征数据依次通过滑动窗口技术和Z-Score标准化处理，并划分训练集和测试集，将训练集、测试集中的数据作为模型的输入向量，所述向量为包含设定时间步的三维特征向量；步骤S2：构建基于双通道交叉注意力机制的深度学习网络模型，分别采用双向长短期记忆网络BiLSTM模型和Transformer模型作为BiLSTM通道和Transformer通道进行并行计算实现特征提取，再结合改进的交叉注意力机制以及多层感知器MLP加权融合科尔莫戈洛夫-阿诺德网络KAN的网络模型进行特征增强，具体为：先将Transformer通道特征作为查询向量矩阵，以BiLSTM通道特征分别作为键向量矩阵和值向量矩阵，通过注意力机制计算出基于Transformer通道特征的注意力权重，并生成加权后的时序特征表示；随后将BiLSTM通道特征作为查询向量矩阵，以Transformer通道特征分别作为键向量矩阵和值向量矩阵，再次通过注意力机制计算出基于BiLSTM通道特征的注意力权重，并生成加权后的时序特征表示，然后将两个注意力权重采用上下文动态权重方式进行融合，得到融合的交叉注意力特征表示，最后将其输入到多层感知器MLP融合科尔莫戈洛夫-阿诺德网络KAN的网络模型中进行预测；步骤S3：将训练集中的数据作为输入，对构建的双通道交叉注意力网络模型进行训练，持续优化模型直至收敛满足设定要求；步骤S4：利用训练好的网络模型进行电力负荷数据的预测。

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长春大学，其通讯地址为：130022 吉林省长春市卫星路6543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”。