Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 贵州电网有限责任公司邓佳莉获国家专利权

贵州电网有限责任公司邓佳莉获国家专利权

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!

龙图腾网获悉贵州电网有限责任公司申请的专利基于多时间尺度分析的新能源发电量评估与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:CN119990401B

龙图腾网通过国家知识产权局官网在2025-10-10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:202411963728.4,技术领域涉及:G06Q10/04;该发明授权基于多时间尺度分析的新能源发电量评估与预测方法及系统是由邓佳莉;张俨;王融融;苏华英;王寅;王宁;贺先强;廖成龙设计研发完成,并于2024-12-30向国家知识产权局提交的专利申请。

基于多时间尺度分析的新能源发电量评估与预测方法及系统在说明书摘要公布了:本发明公开了基于多时间尺度分析的新能源发电量评估与预测方法及系统,涉及数据分析与预测技术领域,包括:获取发电数据;基于多时间尺度分析方法,提取发电数据的变化特征;构建时间序列预测模型;将发电数据的变化特征输入至时间序列预测模型;基于时间序列预测模型提供发电量评估报告。我方发明通过引入多时间尺度分析方法,有效提取了新能源发电数据在短期波动、中期周期性变化和长期趋势上的特征,从而大幅提高了发电量预测的精度和稳定性。通过综合多时间尺度特征和负荷需求数据,构建了更加精确的时间序列预测模型,解决了现有预测方法无法适应复杂时变性和负荷不匹配的不足。

本发明授权基于多时间尺度分析的新能源发电量评估与预测方法及系统在权利要求书中公布了:1.基于多时间尺度分析的新能源发电量评估与预测方法,其特征在于,包括: 获取发电数据; 基于多时间尺度分析方法,提取发电数据的变化特征; 构建时间序列预测模型; 将发电数据的变化特征输入至时间序列预测模型; 基于时间序列预测模型提供发电量评估报告; 所述多时间尺度分析方法包括,定义时间尺度,基于不同的时间尺度,采取不同的特征提取方式提取发电数据的变化特征; 所述不同的时间尺度包括短期时间尺度、中期时间尺度以及长期时间尺度; 所述不同的特征提取方式包括,基于短期时间尺度,通过将发电数据转换为频域,通过分析不同频率成分,识别短期内的周期性变化,得到短期波动特征; 基于中期时间尺度,通过小波变换分解发电数据,得到中期周期性特征; 基于长期时间尺度,通过季节性分解,得到长期趋势特征; 将短期波动特征、中期周期性特征以及长期趋势特征组合为综合特征向量,基于综合特征向量构建时间序列预测模型; 所述将发电数据转换为频域,得到频谱,表示为, Xf=FFT{xt} 其中,f表示频率,Xf表示频域中的复数值,xt表示发电数据; 提取频谱中的峰值频率和峰值幅度后得到短期波动特征向量; 所述峰值频率表示为, fpeak=argmaxf|Xf| 所述峰值幅度表示为, Apeak=maxf|Xf| 所述短期波动特征向量表示为, Sshort=[fpeak,short,Apeak,PeriodicityIndex] 其中,fpeak,short表示短期波动特征向量中的峰值频率; 通过所述小波变换分解发电数据后得到中期周期性特征向量,其中发电数据经小波变换后得到的系数表示为, 其中,a表示尺度因子,b表示平移因子,ψ表示小波基函数; 所述中期周期性特征向量表示为, Smedium=[fpeak,medium,Ewavelet,Scalelow] 其中,Scalelow表示小波变换后的低频尺度,Ewavelet表示小波变换系数的能量,通过计算∑|Wa,bt|2得到,fpeak,medium表示中期周期性特征向量的峰值频率; 所述通过季节性分解将发电数据分解为趋势、季节性成分和残差,得到长期趋势特征向量,表示为, xt=Tt+St+Rt 其中,Tt表示趋势,St表示季节性成分,Rt表示残差; 所述趋势通过滑动平均或加权平滑方法获得,表示为, Tt=Smoothingxt 所述长期趋势特征向量表示为, Slong=[Tslope,Tamplitude,Svariation] 其中,Tslope表示趋势的变化率,Tamplitude表示趋势的幅度,Svariation表示季节性波动的变化幅度; 通过主成分分析法对各个时间尺度的特征进行降维和融合,得到综合特征向量,表示为, Scombined=PCASshort,Smedium,Slong; 引入自回归滑动平均模型构建所述时间序列预测模型,对时间序列预测模型进行模型评估和优化; 所述基于时间序列预测模型提供发电量评估报告包括,将综合特征向量作为外生变量融入至时间序列预测模型中,表示为, 其中,yt表示时间t的发电量,α为常数项,φi表示自回归部分系数,θj表示滑动平均部分系数,∈t-j表示过去j时刻的误差项,γk表示外生变量的系数,Scombined,t-k表示时刻t-k的综合特征向量,k表示外生变量的滞后期; 基于发电量进行发电量评估。

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贵州电网有限责任公司,其通讯地址为:550002 贵州省贵阳市南明区滨河路17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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。