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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉國網(wǎng)浙江省電力有限公司營銷服務(wù)中心申請的專利基于未來在網(wǎng)用戶群代理購電業(yè)務(wù)的月電量預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120124818B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510601382.1，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)基于未來在網(wǎng)用戶群代理購電業(yè)務(wù)的月電量預(yù)測方法是由陳麟紅;周璐瑤;方智淳;肖吉東;葉紅豆;吳昊天;王倩瑩;樓霞薇;閆園;楊林華;陳宇陽設(shè)計研發(fā)完成，并于2025-05-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于未來在網(wǎng)用戶群代理購電業(yè)務(wù)的月電量預(yù)測方法在說明書摘要公布了：本申請為基于未來在網(wǎng)用戶群代理購電業(yè)務(wù)的月電量預(yù)測方法，屬于電量預(yù)測領(lǐng)域，針對現(xiàn)有方式獲得的結(jié)果不理想的問題，提供如下步驟：構(gòu)建未來在網(wǎng)用戶集，獲得電量數(shù)據(jù)集和氣象數(shù)據(jù)；設(shè)定檢測項，將電量數(shù)據(jù)和溫度數(shù)據(jù)按時間逆序排列，形成未來在網(wǎng)用戶群歷史數(shù)據(jù)集；識別檢測項中的異常數(shù)據(jù)并修復(fù)，獲得修復(fù)數(shù)據(jù)集；獲得在網(wǎng)代理購電用戶群的用電變化趨勢，對檢測項缺失的歷史數(shù)據(jù)進行修補，獲得修補數(shù)據(jù)集；獲得氣象與電量的關(guān)系；對提取的特征進行建模，隨后訓(xùn)練模型、測試模型，獲得測試后的模型；使用模型預(yù)測未來一段時間內(nèi)的電量。本申請不僅增強數(shù)據(jù)完整性，還優(yōu)化預(yù)測模型，有效降低預(yù)測風(fēng)險，提升電力服務(wù)的可靠性和效率。

本發(fā)明授權(quán)基于未來在網(wǎng)用戶群代理購電業(yè)務(wù)的月電量預(yù)測方法在權(quán)利要求書中公布了：1.一種基于未來在網(wǎng)用戶群代理購電業(yè)務(wù)的月電量預(yù)測方法，其特征在于，包括以下步驟： S1，基于當前在網(wǎng)代理購電用戶群構(gòu)建未來在網(wǎng)用戶集，獲得未來在網(wǎng)用戶集的歷史用電情況的電量數(shù)據(jù)集，并通過API接口獲取氣象數(shù)據(jù)；具體過程為：構(gòu)建的未來在網(wǎng)用戶集包括穩(wěn)定用戶、未來退網(wǎng)用戶和未來入網(wǎng)用戶，通過剔除未來退網(wǎng)用戶的歷史用電數(shù)據(jù)并加入未來入網(wǎng)的歷史用電數(shù)據(jù)，構(gòu)建未來在網(wǎng)用戶集的歷史用電情況數(shù)據(jù)集；同時，通過API接口獲取用戶所在區(qū)域的歷史氣象數(shù)據(jù)； S2，設(shè)定月最高溫度、月電量作為檢測項，將S1獲得的電量數(shù)據(jù)和氣象數(shù)據(jù)中的溫度數(shù)據(jù)按時間逆序排列，形成未來在網(wǎng)用戶群歷史數(shù)據(jù)集；識別檢測項中的異常數(shù)據(jù)，并對檢測出的異常數(shù)據(jù)進行修復(fù)獲得修復(fù)數(shù)據(jù)集； S3，通過S2的結(jié)果獲得在網(wǎng)代理購電用戶群的用電變化趨勢，采用逆向預(yù)測填補方法，對檢測項缺失的歷史數(shù)據(jù)進行修補獲得修補數(shù)據(jù)集； S4，基于S3的結(jié)果，通過Pearson相關(guān)系數(shù)分析獲得氣象與電量的關(guān)系； S5，基于S4的結(jié)果進行特征提??；基于S3的結(jié)果，對提取的特征進行建模，并采用交叉驗證技術(shù)評估并選擇最優(yōu)的模型參數(shù)以訓(xùn)練模型，對訓(xùn)練后的模型進行測試，獲得測試后的模型；具體過程如下： S5.1，將S3修補數(shù)據(jù)集劃分訓(xùn)練集、驗證集、測試集； S5.2，選取歷史數(shù)據(jù)中包括月最高溫度、月電量月特征向量作為模型的輸入特征； S5.3，通過設(shè)定的判斷條件區(qū)分特殊月份和正常月份；對于特殊月份，采用規(guī)則模型進行預(yù)測；對于正常月份，構(gòu)建支持向量回歸預(yù)測模型進行預(yù)測；具體過程為： S5.3.1，判定條件包括法定長假所在月、歷史極端氣候頻發(fā)月設(shè)定為特殊月份的，其余為正常月份； S5.3.2，對于特殊月份，采用規(guī)則模型進行預(yù)測，其表達式為： 式中：為預(yù)測的電量；為截距項；為第個非節(jié)假日特征變量在時間t的取值；為對應(yīng)的回歸系數(shù)；為第j個節(jié)假日效應(yīng)變量在時間t的指示函數(shù)，取值為0或1；為對應(yīng)的節(jié)假日效應(yīng)系數(shù)；為誤差項； S5.3.3，對于正常月份，構(gòu)建支持向量回歸預(yù)測模型進行預(yù)測，支持向量回歸預(yù)測模型表達式為： 式中：為預(yù)測輸出值，即目標月份的預(yù)測電量，為回歸超平面的權(quán)重向量，即特征系數(shù)，決定各輸入特征對電量預(yù)測的貢獻度；為非線性映射函數(shù)，將輸入從空間轉(zhuǎn)換到更高維空間；為偏置項，其為常數(shù)，用于調(diào)整回歸超平面的截距，為維映射空間，維度可能遠高于原始輸入空間； S5.4，構(gòu)建損失函數(shù)與優(yōu)化目標；引入松弛變量，構(gòu)建SVR的原始問題； S5.5，使用拉格朗日乘子和Karush-Kuhn-Tucker條件將SVR的原始問題轉(zhuǎn)化為對偶形式； S5.6，通過計算拉格朗日乘子并在展開式中找到支持向量，使用核函數(shù)替換點積； S6，采用測試后的模型對未來一個月的電量進行預(yù)測，獲得預(yù)測結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人國網(wǎng)浙江省電力有限公司營銷服務(wù)中心，其通訊地址為：311100 浙江省杭州市余杭區(qū)云聯(lián)路138號5幢；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。