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！

龙图腾网获悉上海电力大学申请的专利基于GLA-UNet模型结构的电负荷预测方法及系统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：CN119944671B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510417343.6，技术领域涉及：H02J3/00；该发明授权基于GLA-UNet模型结构的电负荷预测方法及系统是由朱瑞;王纪一;袁斌霞;张智博;甘霖;柴元设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本基于GLA-UNet模型结构的电负荷预测方法及系统在说明书摘要公布了：本发明公开了基于GLA‑UNet模型结构的电负荷预测方法及系统，涉及电力负荷预测技术领域，其技术方案要点是：将单变量或多变量数据通过线性映射层投影至高维特征空间，生成嵌入向量序列；对嵌入向量进行多级下采样，每级包含平均池化层和GLA注意力单元，输出不同时间粒度的编码特征；对最深层的编码特征逐级上采样，每级融合对应层级的编码特征并通过GLA注意力单元优化，输出与输入同分辨率的重建序列；通过两个线性层分别调整重建序列的时间长度和特征维度，生成电力负荷预测值。本发明能够有效地捕捉时间序列数据中的多层次特征，在稀疏日级电力负荷预测中实现了精度、鲁棒性与实用性的平衡，特别是周期性和季节性模式。

本发明授权基于GLA-UNet模型结构的电负荷预测方法及系统在权利要求书中公布了：1.基于GLA-UNet模型结构的电负荷预测方法，其特征在于，包括以下步骤： 接收原始日级电力负荷数据及协变量数据，执行异常检测和或填充操作，输出标准化时序数据； 将预处理后的单变量或多变量数据通过线性映射层投影至高维特征空间，生成嵌入向量序列； 对嵌入向量进行多级下采样，每级包含平均池化层和GLA注意力单元，输出不同时间粒度的编码特征； 对最深层的编码特征逐级上采样，每级融合对应层级的编码特征并通过GLA注意力单元优化，输出与输入同分辨率的重建序列； 通过两个线性层分别调整重建序列的时间长度和特征维度，生成未来时段的电力负荷预测值； 所述GLA注意力单元执行以下操作： 使用膨胀率不同的多个空洞卷积层并行提取多尺度局部特征； 通过可学习全局令牌向量捕获长期周期性全局特征； 根据输入特征自动生成门控系数，依据门控系数加权融合多尺度局部特征与长期周期性全局特征； 所述门控系数的生成表达式为： ； 其中，表示门控系数；表示Sigmoid激活函数；为权重矩阵；和分别是全局注意力层和局部注意力层的输出； 该方法还包括： 在UNet结构中的编码器末端配置由短期记忆层、季节记忆层和事件记忆层组成的多级记忆库；其中， 短期记忆层，用于存储连续多日的负荷模式，使用LSTM更新； 季节记忆层，用于按月份划分存储历史同期数据，通过余弦相似度检索； 事件记忆层，用于记录极端事件的负荷响应模式。

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上海电力大学，其通讯地址为：201306 上海市浦东新区沪城环路1851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”。