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！

龙图腾网获悉东南大学;国网江苏省电力有限公司;国网江苏省电力有限公司南京供电分公司申请的专利深度特征指导两阶段迁移学习的综合能源源—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：CN115471362B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202211176881.3，技术领域涉及：G06Q50/06；该发明授权深度特征指导两阶段迁移学习的综合能源源—荷预测方法是由徐青山;甘海庆;杨永标;陈堃;杜姣;张航通;聂卓杰;任禹丞设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本深度特征指导两阶段迁移学习的综合能源源—荷预测方法在说明书摘要公布了：本发明公开了深度特征指导两阶段迁移学习的综合能源源—荷预测方法，涉及综合能源多元负荷预测技术领域，获取温度、季节、节假日、风速、云层密度、光照强度、电价和现行政策影响因素并转换为数据格式；获取园区的光伏、风电、电负荷、热负荷和冷负荷的历史数据，并对历史数据进行清洗处理；构建基于深度残差网络和引入注意力机制的长短期记忆循环神经网络的时间序列预测模型；通过温度、季节和节假日三种因素，使用电负荷、热负荷和冷负荷数据对时间序列预测模型进行训练，获得初级模型；在初级模型的基础上，采用迁移学习策略，获得最终的预测模型。

本发明授权深度特征指导两阶段迁移学习的综合能源源—荷预测方法在权利要求书中公布了：1.深度特征指导两阶段迁移学习的综合能源源—荷预测方法，其特征在于，方法包括以下步骤： 获取目标园区的源侧和荷侧的影响因素并转换为数据格式；其中，所述影响因素包括：温度、季节、节假日、风速、云层密度、光照强度、电价、气价和相关政策； 获取历史预设时间段内目标园区的光伏发电、风机发电、电负荷、热负荷和冷负荷的历史数据，并对历史数据进行清洗处理； 构建基于深度残差网络和引入注意力机制的长短期记忆循环神经网络的时间序列预测模型，时间序列预测模型用于由历史的时间序列数据的变化趋势对未来的时间序列数值进行预测； 基于温度、季节和节假日三种影响因素，使用电负荷、热负荷和冷负荷的历史数据对时间序列预测模型进行训练，获得初级模型； 在初级模型的基础上，考虑风速、云层密度、光照强度、电价、气价和相关政策六种影响因素，使用光伏发电、风机发电、电负荷、热负荷和冷负荷的历史数据进行训练，获得最终的光伏发电预测模型、风力发电预测模型、电负荷预测模型、热负荷预测模型、冷负荷预测模型。

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东南大学;国网江苏省电力有限公司;国网江苏省电力有限公司南京供电分公司，其通讯地址为：210096 江苏省南京市玄武区新街口街道四牌楼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。