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！

龙图腾网获悉山东理工大学;山东科汇电力自动化股份有限公司申请的专利一种基于改进ARNN的用户侧电力负荷数据处理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：CN116415732B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202310407877.1，技术领域涉及：G06Q10/04；该发明授权一种基于改进ARNN的用户侧电力负荷数据处理方法是由陈佳佳;刘璟瑶;闫贵金;徐丙垠;陈文钢;丛新棚;王敬华;赵艳雷设计研发完成，并于2023-04-17向国家知识产权局提交的专利申请。

本一种基于改进ARNN的用户侧电力负荷数据处理方法在说明书摘要公布了：本发明提供了一种基于改进ARNN的用户侧电力负荷数据处理方法，属于数据处理技术领域。S1基于K‑means聚类算法将负荷数据进行分类；S2基于EPPS对人工神经网络节点数优化模型求解，得到每一类负荷曲线最优匹配节点数方案；S3基于动态识别算法建立数据种类识别模型，重构输入矩阵，并选择对应最优节点数；S4基于改进的ARNN建立短期高维负荷动态预测模型。本发明能准确有效的针对短期高维负荷数据实现多步预测，同时考虑了聚类动态识别特性，能够剔除与目标变量无关的变量，并利用EPPS优化出适用于各自类的神经网络节点数，使得输入数据在所属类中进行预测，适应于解决短期高维园区负荷预测问题。

本发明授权一种基于改进ARNN的用户侧电力负荷数据处理方法在权利要求书中公布了：1.一种基于改进ARNN的用户侧电力负荷数据处理方法，其特征在于：包括如下步骤： S1基于K-means聚类算法将负荷数据进行分类； S2基于EPPS对人工神经网络节点数优化模型求解，得到每一类负荷曲线最优匹配节点数方案； S3基于动态识别算法建立数据种类识别模型，重构输入矩阵，并选择对应最优节点数； S4基于改进的ARNN建立短期高维负荷动态预测模型； 步骤S3中基于动态识别算法建立数据种类识别模型，重构输入矩阵的方法包括如下步骤： S3.1输入数据分别与K类负荷数据在对应时刻值比较大小，确定输入数据是否在该类对应时间的最大最小值之间，找出满足数值大小条件的类别，若只有一个聚类中心满足，则输入数据属于该类；否则执行步骤S3.2； S3.2输入数据分别与第一步所得出的聚类中心在相同时间段进行斜率相似性比较，找出满足斜率条件的类别，若只有一个聚类中心满足，则输入数据属于该类；否则执行步骤S3.3； S3.3输入数据分别与第二步所得出的聚类中心在相同时刻进行功率大小相似性比较，找出满足功率条件的类别，若只有一个聚类中心满足，则输入数据属于该类；否则执行步骤S3.4； S3.4输入数据分别与第三步所得出的聚类中心在相同时间段进行步长相似性比较，找出满足步长条件的类别，若只有一个聚类中心满足，则输入数据属于该类，否则增加相似度系数，并再次执行S3.2，直至跳出循环。

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山东理工大学;山东科汇电力自动化股份有限公司，其通讯地址为：255000 山东省淄博市张店区新村西路266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。