公开(公告)号：CN119134264A

公开(公告)日：2024-12-13

申请号：CN202410847535.6

申请日：2024-06-27

Applicant: 北京邮电大学 ,  国网江西省电力有限公司电力科学研究院 ,  南昌科晨电力试验研究有限公司

Inventor： 林荣恒 ,  曾伟 ,  余侃胜 ,  李宇 ,  吴步丹 ,  陈硕 ,  王振浩 ,  陈伟杰

IPC: H02J3/00 ,  G06F18/20 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06F123/02

Abstract: 本发明提出了一种基于LSTM‑TimeGAN神经网络的多因素负荷预测方法及装置，包括：采集待分析的负荷数据，经预处理后，生成格式统一的数值化数据；将所述数值化数据经归一化处理后划分训练集和测试集，使用训练集训练LSTM模型和TimeGAN模型，直到模型收敛；确定期望预测的时间点数量，使用测试集中的数据作为样本输入所述LSTM模型进入预测，得到第一预测值，将所述第一预测值输入所述TimeGAN模型后输出第二预测值；循环上述步骤，生成最终的预测结果。本发明的预测方法能够有效提升预测的稳定性和准确性。

公开(公告)号：CN118839806A

公开(公告)日：2024-10-25

申请号：CN202410846641.2

申请日：2024-06-27

Applicant: 北京邮电大学 ,  国网江西省电力有限公司电力科学研究院

Inventor： 林荣恒 ,  曾伟 ,  吴家宝 ,  吴步丹 ,  陈硕 ,  王振浩 ,  陈伟杰

IPC: G06Q10/04 ,  H02J3/00 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明提出了一种基于LSTM‑XGBoost神经网络的多因素负荷预测方法及装置，包括：采集源数据，经预处理后，生成基于历史负荷数据和历史外在因素数据的待分析数据；将待分析数据根据数据类型生成多个第一输入数据集，根据构建的双层LSTM模型提取每个输入数据集中的长期依赖关系；基于长期依赖关系和所述历史负荷数据生成第二输入数据集，根据构建的XGBoost模型对第二输入数据集进行拟合、预测，生成基于LSTM‑XGBoost组合模型的多因素负荷预测值。本发明先使用LSTM神经网络提取历史数据的长期依赖关系，再使用XGBoost模型进行拟合，并完成最终的预测，从而提高了负荷预测的准确率。

公开(公告)号：CN120045792A

公开(公告)日：2025-05-27

申请号：CN202510218762.7

申请日：2025-02-26

Applicant: 北京邮电大学

Inventor： 石川 ,  陈伟杰 ,  白婷 ,  杨成

IPC: G06F16/9535 ,  G06F16/735 ,  G06Q30/0601 ,  G06F40/186 ,  G06N5/04 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0895

Abstract: 本发明公开了一种融合大语言模型世界知识的推荐系统纠偏方法，包括：获取推荐系统的开源数据集，生成训练集；通过训练集结合上下文学习技术引导大语言模型生成物品的描述信息和用户的偏好推理；通过预训练的文本编码器对物品的描述信息和用户的偏好推理进行编码，生成第一编码向量，对用户和物品的ID进行编码，生成第二编码向量；将第一编码向量和第二编码向量输入多模态专家网络模块，得到用户和物品的最终表示；将用户和物品的最终表示输入预测层得到预测值，进而通过交叉熵损失函数对多模态专家网络模块进行优化；通过优化后的多模态专家网络模块进行推荐系统纠偏。消除用户行为数据中的固有偏差，捕捉用户的真实偏好，完成推荐系统纠偏。