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！

龙图腾网恭喜北京交通大学申请的专利一种基于事理图谱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：CN115577754B 。

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：202211345202.0，技术领域涉及：G06N3/049；该发明授权一种基于事理图谱的电力负荷预测方法是由刘真;雷智辉;栗鑫炜;卢思博;董宁华设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本一种基于事理图谱的电力负荷预测方法在说明书摘要公布了：本发明提供了一种基于事理图谱的电力负荷预测方法，属于电力负荷预测领域。所述方法根据电力相关事件以及事件之间的因果关系，构建电力事理图谱及规则库、知识库及MAT；激活电力事理图谱后选定用电场景，并在电力事理图谱上进行推理，获得可能导致用电场景发生的原因事件集合；再根据MAT对原因事件集合中的节点进行遍历，选出相应的外生变量，与历史负荷拼接后得到预测模型的输入变量；再构建多变量短期电力负荷预测模型MNLF，对不同的时间序列采用不同的编码器，提取长短期时间序列特征即嵌入表示，并计算相关性系数计算长期时间序列的权重，再与短期时间序列嵌入表示进行拼接，预测电力负荷未来值。本发明提高了预测结果的准确性。

本发明授权一种基于事理图谱的电力负荷预测方法在权利要求书中公布了：1.一种基于事理图谱的电力负荷预测方法，其特征在于，所述方法包括如下步骤： 步骤S1，根据电力历史日度数据和月度数据中的电力相关事件以及事件之间的因果关系，构建电力事理图谱、规则库P、知识库K以及事件和变量映射关系表MAT； 步骤S2，激活电力事理图谱，遍历图谱节点事件，结合规则库P和知识库K，选定用电场景； 步骤S3，基于选定的预设用电场景，在电力事理图谱上进行推理，获得可能导致所述用电场景发生的原因事件集合C； 步骤S4，根据事件与变量映射关系表MAT，对所述原因事件集合中的节点进行遍历，选出相应的外生变量，并将所选出的外生变量与历史负荷进行拼接，得到预测模型的输入变量； 步骤S5，构建多变量短期电力负荷预测模型MNLF，所述预测模型对输入数据进行长短期时间序列划分，同时对不同的时间序列采用不同的编码器，提取长短期时间序列特征作为嵌入表示；并计算短期时间序列嵌入表示与长期时间序列嵌入表示相关性系数，作为长期时间序列的权重进行加权表示，并将加权表示的结果与短期时间序列嵌入表示进行拼接，输入模型全连接层，预测电力负荷未来值； 对于短期时间序列，使用LSTM作为编码器，提取趋势变化信息；对于长期时间序列，使用CNN作为编码器，将长期时间序列作为图片对象进行处理，提取不同变量之间的互相影响； 所述多变量短期电力负荷预测模型MNLF，基于记忆网络进行构建，本模型将长期时间序列{Xi}＝X1,...,Xn经编码器编码得到的嵌入表示向量{mi}＝m1,...,mn存储在记忆数组中，如式7所示： mi＝EncoderXi7； 将短期时间序列作为问题通过编码器得到短期时间序列的嵌入向量表示u，如式8所示： u＝EncoderQ8； 式7和8中，Encoder表示编码器； 所述MNLF基于记忆网络模型，将短期时间序列作为问题，将长期时间序列作为答案，然后计算{mi}＝m1,…,mn中每一个向量与向量u的相关性系数{pi}＝p1,…,pn，如式9所示： pi＝SoftmaxuTmi9； 式9中，pi表示记忆向量mi注意力权重系数，Softmax表示Softmax函数；将pi作为记忆向量mi注意力权重系数，将记忆向量mi与pi相乘得加权输出向量oi，如式10所示： oi＝pi×mi10； 最后将短期时间序列的嵌入表示u与加权输出向量集{oi}进行拼接作为全连接层的输入，从而对未来t时刻的值进行预测，如式11所示： yt＝W[u；o1；o2,…,oT]+b11； 式11中，yt为t时刻的电力负荷预测值。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。