買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉三峽大學申請的專利一種基于時序融合Transformer模型的中期小時級負荷概率預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115660161B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211274642.1，技術領域涉及：G06Q10/04；該發明授權一種基于時序融合Transformer模型的中期小時級負荷概率預測方法是由李丹;譚雅;張遠航;繆書唯;孫光帆;章可;賀帥設計研發完成，并于2022-10-18向國家知識產權局提交的專利申請。

本一種基于時序融合Transformer模型的中期小時級負荷概率預測方法在說明書摘要公布了：一種基于時序融合Transformer模型的中期小時級負荷概率預測方法，包括采集某地區多個歷史樣本日的負荷值及相關影響因素數據；對輸入數據進行分類，并將原始負荷數據重構為面板數據矩陣以縮短時間序列的長度，從而降低模型復雜度；對輸入數據進行歸一化，將數據集劃分為訓練集、驗證集和測試集；設定模型超參數；建立時序融合Transformer模型；基于訓練集對模型進行迭代訓練，確定模型的最佳權重及偏置參數集；基于驗證集優選出模型的最佳超參數，并基于最佳超參數對預測模型再訓練；基于訓練后的預測模型在測試集上驗證模型性能。本發明提出的概率負荷預測方法可為電網運營商在中期電力優化調度和市場交易中提供更準確、更詳細的負荷預測信息。

本發明授權一種基于時序融合Transformer模型的中期小時級負荷概率預測方法在權利要求書中公布了：1.一種基于時序融合Transformer模型的中期小時級負荷概率預測方法，其特征在于，它包括以下步驟： 步驟1：采集目標地區多個歷史樣本日的小時級負荷功率值及相關天氣影響因素數據； 步驟2：將包括單變量負荷時間序列數據在內的原始負荷數據重構為面板數據矩陣，并對輸入數據進行分類，分為時變輸入和靜態協變量輸入，時變輸入分為已知輸入和觀測到的輸入； 步驟3：對輸入數據進行歸一化變換，將數據集劃分為訓練集、驗證集和測試集； 步驟4：設定模型超參數，包含隱含層神經元的個數、學習率、編碼器輸入序列的長度、解碼器輸入序列的長度； 步驟5：建立時序融合Transformer模型，包括輸入特征解釋模塊、多時間步融合模塊； 步驟6：基于訓練集根據損失函數對時序融合Transformer模型進行迭代訓練，運用常規的梯度下降算法確定模型的最佳權重及偏置參數集； 步驟7：將驗證集樣本輸入訓練好的時序融合Transformer模型，根據驗證集的誤差優選出模型的最佳超參數，并基于最佳超參數對預測模型再訓練； 步驟8：基于測試集利用訓練好的時序融合Transformer模型對未來一個月各時刻負荷在不同分位點下的功率值進行預測，并對輸出的預測結果進行反歸一化，得到各預測時刻在不同分位點下的負荷預測值； 步驟5建立的時序融合Transformer模型主要包括輸入特征解釋模塊、門控循環單元層、多時間步融合模塊； 1輸入特征解釋模塊用來解釋各輸入變量對輸出的貢獻，其公式包括： γ＝dropoutW2ELUW1s+b1+b2 cs＝LayerNoms+σW3γ+b3⊙W4γ+b4 vt＝softmaxdropoutW6ELUW5Xt,cs+b5+b6 其中，Xt＝[x1,t,x2,t,...,xk,t]T為t時刻k個特征組成的輸入向量，是經輸入特征解釋模塊處理后的送入其它模塊的向量，cs是由靜態協變量s經門控殘差過程處理后的context向量，γ是中間變量，σ·是sigmoid激活函數；vt是對應于輸入變量的權重向量，代表每個輸入特征的重要程度；W*和b*分別是對應層的權重矩陣和偏置向量，LayerNorm表示標準的層歸一化操作，ELU代表指數線性單元激活函數，dropout和softmax分別表示常規的dropout操作和softmax激活函數； 經輸入特征解釋模塊轉換后的觀測到的輸入已知輸入被分別送入編碼器和解碼器的兩層GRU中； 編碼器由輸入特征解釋模塊及兩層GRU組成，解碼器也由輸入特征解釋模塊及兩層GRU組成，但它們的權重及偏置參數不共享； 2門控循環單元層用于處理時間信息，其公式包括： zt＝σWz[ht-1,xt] rt＝σWr[ht-1,xt] 其中，xt是當前輸入，zt和rt分別是更新門輸出和重置門輸出，ht和ht-1分別表示t時刻和t-1時刻的隱含層狀態，是中間變量，Wz和Wr是對應門的權重矩陣，表示Hadamard乘積，tanh表示常規的tanh激活函數； 3多時間步融合模塊用來學習不同時間步之間的長期依賴關系，多時間步融合模塊根據不同時間步的重要程度對當前預測時間步之前的所有時間步的編碼器和解碼器的輸出進行加權，其公式包括： AttentionQ,K,V＝AQ,KV 其中，A·是歸一化函數，n是K矩陣對應的向量的維數，hm是頭的個數，Q、K和V分別由輸入矩陣X分別與對應的權重矩陣相乘得到，分別是Q和K的第h個頭的權重矩陣，WV是所有頭共享的權值矩陣V，是中間變量，是最終線性映射的權重矩陣； 通過對多時間步融合模塊的輸出進行線性映射得到分位數預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人三峽大學，其通訊地址為：443002 湖北省宜昌市西陵區大學路8號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。