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！

龙图腾网恭喜清华大学深圳国际研究生院申请的专利一种基于特征增强的分布式源荷资源可迁移概率区间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：CN119961886B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510437065.0，技术领域涉及：G06F18/27；该发明授权一种基于特征增强的分布式源荷资源可迁移概率区间预测方法是由许银亮;夏晨越设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本一种基于特征增强的分布式源荷资源可迁移概率区间预测方法在说明书摘要公布了：一种基于特征增强的分布式源荷资源可迁移概率区间预测方法，其中，门控残差网络（GRN）模型能够有效衡量外部输入与预测目标之间的非线性相关性，显著提升模型的表达能力；双层特征增强模型融合了统计学与机器学习方法，在确保特征间独立性的前提下，实现端到端的自动特征提取，从而增强数据的表达能力。此外，时序融合预测模型通过长短期记忆网络（LSTM）的编解码器对多源数据进行重新编码，并引入带掩码的自注意力机制，学习深层次的特征相关性，进而实现对多类型、多场景和多区域的分布式源荷资源的迁移预测。概率区间预测模型则综合考虑多重不确定性因素，模拟不同置信水平下的预测区间，有效量化预测的不确定性信息。

本发明授权一种基于特征增强的分布式源荷资源可迁移概率区间预测方法在权利要求书中公布了：1.一种基于特征增强的分布式源荷资源可迁移概率区间预测方法，其特征在于，包括以下步骤： S1、对分布式源荷资源发用电数据及其相关特征变量的时间序列数据进行预处理； S2、建立门控残差网络（GRN），通过结合门控机制和残差连接，衡量外部输入与预测目标之间的非线性相关性，增强模型的表达能力和训练稳定性； S3、基于所述门控残差网络模型的输出，构建双层特征增强模型，通过统计学的高阶偏相关性分析量化特征间的相关性，并结合机器学习的非线性特征处理能力，动态调整各特征权重，实现端到端的自动特征提取，并增强数据表达能力； S4、基于所述双层特征增强模型的输出，构建时序融合预测模型，所述时序融合预测模型利用长短期记忆网络（LSTM）的编解码器对多源数据进行重新编码，并引入带掩码的自注意力机制，捕捉时序特征之间的长程依赖关系；所述时序融合预测模型还通过所述门控残差网络（GRN）学习外部特征之间的相关性，并输出预测结果； S5、基于所述时序融合预测模型的输出，构建概率区间预测模型，采用分位数回归方法模拟不同置信水平下的预测区间，量化预测的不确定性，为分布式源荷资源的调度提供更全面的不确定性信息。

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清华大学深圳国际研究生院，其通讯地址为：518071 广东省深圳市南山区桃源街道丽水路2279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”。