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！

龙图腾网获悉广东电网有限责任公司广州供电局申请的专利多距离聚类与信息聚合的负荷区间预测方法、系统及介质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：CN115526430B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202211344725.3，技术领域涉及：G06Q10/04；该发明授权多距离聚类与信息聚合的负荷区间预测方法、系统及介质是由岳首志;洪海生;邓祺;许陈德;罗锋设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本多距离聚类与信息聚合的负荷区间预测方法、系统及介质在说明书摘要公布了：本发明公开了一种基于多距离聚类与信息聚合的负荷区间预测方法、系统及介质。该方法包括将归一化后的负荷曲线数据通过基于多距离的K‑means算法进行聚类，得到k类曲线集合结果；对于第i类结果，将其与对应的气象数据分为训练集与测试集；将训练集与测试集并分别输入日内局部波动概率预测模型与日内整体趋势概率预测模型进行训练，并将将两模型的测试集特征值分别输入，得到t分位数下的两模型区间上下限将两模型的预测区间上限与区间下限分别进行信息聚合，通过Choquet积分聚合函数计算出聚合后的预测区间。

本发明授权多距离聚类与信息聚合的负荷区间预测方法、系统及介质在权利要求书中公布了：1.多距离聚类与信息聚合的负荷区间预测方法，其特征在于，包括下述步骤： 将归一化后的负荷曲线数据通过基于多距离的K-means算法进行聚类，得到类曲线集合结果； 对于第类结果，将其与对应的气象数据分为训练集与测试集； 将训练集与测试集分别输入日内局部波动概率预测模型与日内整体趋势概率预测模型进行训练，得到参数更新完毕的日内局部波动概率预测模型与日内整体趋势概率预测模型； 所述日内局部波动概率预测模型为BiLSTM，包括前向LSTM网络与后向LSTM网络，并在网络最后加入分位数回归层； 所述分位数回归层的回归模型为： ； 式中，为响应变量的第个条件分位数；为解释变量的个数；为截距，为分位数下的回归系数向量，的取值范围为1到，通过求解下式的优化问题得到： ； 其中，为解释变量列向量； 所述分位数回归层的分位数下的响应变量为： ； 式中：为隐含层的单元个数；为输出层激活函数；为LSTM隐藏层的输出；、为输出层的权重与偏置； 所述日内整体趋势概率预测模型为高斯回归过程模型，通过学习输入的日气象数据与输出的日内每个采样点的真实负荷数值之间的映射关系，得到反映日内负荷整体趋势且匹配预测日气象数据的区间预测结果，具体为： 对于包含个样本的训练集，输入特征矩阵为，为第个样本的输入向量，其长度为，对应的输出响应为，为第个输出响应值； 定义为对应的函数构成的随机变量集合，且服从联合高斯分布，其高斯过程表示为： ； 式中，均为随机变量，为均值函数，为协方差函数，计算公式为： ； ； 设，即在没有任何观测值时的函数期望为0； 回归模型表示为： ； 式中，，即服从均值为0，方差为的高斯白噪声，为维随机向量，为观测值； 得到输出观测值的先验分布为：； 式中，为阶协方差矩阵，对应元素，为阶单位矩阵； 已知测试集输入，其中第个对应向量记为，测试集输出的预测值为，则训练集观测值与预测值的联合先验分布为： ； 预测值的后验分布为： ； 式中，、分别表示测试集输出预测值的均值与方差，均值对应其确定性预测结果，结合方差可构造置信区间； 将两模型的测试集特征值分别输入，得到分位数下的两模型区间上下限； 将两模型的预测区间上限与区间下限分别进行信息聚合，通过Choquet积分聚合函数计算出聚合后的预测区间。

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广东电网有限责任公司广州供电局，其通讯地址为：510620 广东省广州市天河区天河南二路2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”。

以上内容由龙图腾AI智能生成。