一种基于TimesNet-Crossformer-LSTM的短期电力负荷预测方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种基于TimesNet‑Crossformer‑LSTM的短期电力负荷预测方法，包括：1）对导入的数据集进行特征筛选，并对所选特征作归一化处理；2）划分训练集、验证集和测试集，将训练集和验证集输入模型进行训练；3）模型对输入的时间序列进行信息提取，提取到时间序列中周期内和周期间的关系；4）采用Adam算法来调整神经网络的参数，利用反向传播来训练网络，通过观察验证集上的损失值来评估模型参数的训练效果；5）根据消融实验结果，选取tanshark作为模型的激活函数；6）将测试集输入到训练好的模型当中，获得点预测的结果，并通过四个评价指标对模型预测效果进行评价。本发明方法相较现有方法在短期电力负荷预测任务中拥有更高的精度。

《一种基于TimesNet-Crossformer-LSTM的短期电力负荷预测方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2024114514593，当前法律状态为已下证，由南昌大学提出申请，发明人为袁魁东;何俊;钟子捷;孙一凡;程子健，申请日期为2024-10-17，公开（公告）日期为2025-10-21，国际专利分类号（IPC）为 G06Q 10/04 (2023.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于TimesNet‑Crossformer‑LSTM的短期电力负荷预测方法，包括：1）对导入的数据集进行特征筛选，并对所选特征作归一化处理；2）划分训练集、验证集和测试集，将训练集和验证集输入模型进行训练；3）模型对输入的时间序列进行信息提取，提取到时间序列中周期内和周期间的关系；4）采用Adam算法来调整神经网络的参数，利用反向传播来训练网络，通过观察验证集上的损失值来评估模型参数的训练效果；5）根据消融实验结果，选取tanshark作为模型的激活函数；6）将测试集输入到训练好的模型当中，获得点预测的结果，并通过四个评价指标对模型预测效果进行评价。本发明方法相较现有方法在短期电力负荷预测任务中拥有更高的精度。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！