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！

龙图腾网获悉东北林业大学申请的专利一种基于改进长鼻浣熊算法的电力负荷最优值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：CN120879547B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202511002462.1，技术领域涉及：H02J3/00；该发明授权一种基于改进长鼻浣熊算法的电力负荷最优值预测方法是由张妤;刘文辉设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种基于改进长鼻浣熊算法的电力负荷最优值预测方法在说明书摘要公布了：一种基于改进长鼻浣熊算法的电力负荷最优值预测方法。现有技术难以解决高维负荷预测建模中面临的种群收敛退化、易陷入局部最优以及全局搜索性能不足的问题；本发明为分别构建电力负荷预测模型和电力负荷预测误差目标函数后，通过长鼻浣熊算法对电力负荷预测模型和电力负荷预测误差目标函数进行处理得到处于最大迭代次数下的最优负荷预测值的过程；依据改进长鼻浣熊算法对电力负荷预测误差目标函数进行初始化处理，计算得到目标函数中所有个体的适应度值，从所有个体的适应度值中确定并保留当前最优个体参数后，二次利用改进长鼻浣熊算法对最优个体参数进行更新处理，对应确定最优个体位置后对最优个体参数进行迭代次数的判定过程。

本发明授权一种基于改进长鼻浣熊算法的电力负荷最优值预测方法在权利要求书中公布了：1.一种基于改进长鼻浣熊算法的电力负荷最优值预测方法，其特征在于：电力负荷最优值预测方法为分别构建电力负荷预测模型和其对应的优化适应度的电力负荷预测误差目标函数后，通过长鼻浣熊算法对电力负荷预测模型和电力负荷预测误差目标函数进行处理得到处于最大迭代次数下的最优负荷预测值的过程； 电力负荷最优值预测方法包括以下步骤： S1：构建形成电力负荷预测模型； S2：构建电力负荷预测模型对应优化适应度的电力负荷预测误差目标函数； S3：依据改进长鼻浣熊算法对电力负荷预测误差目标函数进行初始化处理，计算得到目标函数中所有个体的适应度值，从所有个体的适应度值中确定并保留当前最优个体参数后，二次利用改进长鼻浣熊算法对最优个体参数进行更新处理，对应确定最优个体位置后对最优个体参数进行迭代次数的判定过程，当判定最优个体参数的位置达到最大迭代次数时，输出迭代过程中最优个体参数，当判定最优个体参数的位置未达到最大迭代次数时，则继续迭代至最大迭代次数后输出迭代过程中最优个体参数即可； S4：将最优个体参数输入最优个体构建电力负荷预测模型中后输出预测结果即为最优负荷预测值； 电力负荷预测模型的构建过程为通过对电力负荷原始数据进行预处理后通过特征选择与输入构建建立极限学习机结构的过程，具体为： S11：数据预处理：数据预处理包括对电力负荷原始数据依次进行缺失值处理、异常值剔除与归一化处理过程； S12：特征选择与输入构建：特征选择与输入构建过程为采用滑动窗口策略构造输入输出样本，将过去n个时刻的负荷值作为输入数据，将n个时刻中每个时刻对应的负荷值作为输出数据； S13：建立极限学习机结构的过程，极限学习机结构为ELM模型结构，ELM模型结构的隐含层节点数为L，采用随机初始化的输入层权重与偏置，并将输出权重作为优化对象，构建形成完整输入矩阵和输出向量； 构建电力负荷预测误差目标函数的具体步骤为： S21：采用平均绝对百分比误差作为电力负荷预测模型的优化适应度对应函数，即为电力负荷预测误差目标函数，电力负荷预测误差目标函数用于衡量预测值与真实负荷之间的相对误差大小，计算公式为： 1 上式中，为真实负荷，为预测值，为样本数量； S22：完成除公式一外的用于结果分析与可视化输出的多种辅助误差指标的计算过程，具体为： 平均绝对误差MAE的计算公式为公式二，公式二为： 2 均方误差MSE的计算公式为公式三，公式三为： 3 均方根误差的RMSE的计算公式为公式四，公式四为： 4 决定系数R2的计算公式为公式五，公式五为： 5 S23：将评估数据结果进行可视化处理并输出； 将评估数据结果进行全面优化后对比分析，全面优化后对比分析为将评估数据结果形成优化过程收敛曲线、模型预测结果与真实负荷曲线对比图、局部负荷区间放大图、各指标误差柱状图以及预测负荷与实际负荷相对误差图进行对比分析过程。

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北林业大学，其通讯地址为：150000 黑龙江省哈尔滨市香坊区和兴路26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。