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！

龙图腾网获悉云南师范大学申请的专利一种基于数据融合的太阳辐照度预测方法与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：CN120632801B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202511147187.2，技术领域涉及：G06F18/25；该发明授权一种基于数据融合的太阳辐照度预测方法与系统是由黄小乔;邰永航;方达;李成立;程飞燕;李梦迪设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本一种基于数据融合的太阳辐照度预测方法与系统在说明书摘要公布了：本发明涉及太阳辐照度预测技术领域，公开了一种基于数据融合的太阳辐照度预测方法与系统，所述方法包括：获取云层灰度图像、风速矢量、地形高程、坡度倾角、太阳方位角与高度角，基于云层图像与风速矢量计算云层移动速度与方向，得到云运动轨迹分布，结合地形高程与太阳位置计算遮挡路径，生成地形遮挡影响系数矩阵，融合坡度与遮挡数据生成动态效应图，基于动态效应图与云轨迹进行云地遮挡分析，得到云地耦合影响分布，利用随机森林算法融合耦合分布与遮挡系数计算初始辐照度概率，形成初步预测结果；将其与云轨迹和遮挡系数输入至训练好的时序预测网络，输出优化结果。所述方法能够实现复杂地形与快速天气变化下的预测需求。

本发明授权一种基于数据融合的太阳辐照度预测方法与系统在权利要求书中公布了：1.一种基于数据融合的太阳辐照度预测方法，其特征在于，包括： 获取连续时间序列的云层灰度图像、风速矢量数据、地形高程数据、坡度倾角值、太阳方位角和太阳高度角； 根据所述云层灰度图像和所述风速矢量数据，进行云层移动速度和方向计算，得到云运动轨迹分布； 根据所述地形高程数据、太阳方位角和所述太阳高度角，进行遮挡路径计算，得到地形遮挡影响系数矩阵； 根据所述地形高程数据、所述坡度倾角值和所述地形遮挡影响系数矩阵，进行动态效应图生成，得到动态效应图； 根据所述动态效应图和所述云运动轨迹分布，进行云地遮挡分析，得到云地耦合影响分布； 基于随机森林算法，对所述云地耦合影响分布和地形遮挡影响系数矩阵，进行初始辐照度概率分布计算，得到初步预测结果； 将所述初步预测结果、所述云运动轨迹分布和所述地形遮挡影响系数矩阵，输入至预先训练完成的预测模型，输出时序优化预测结果； 其中，所述根据所述动态效应图和所述云运动轨迹分布，进行云地遮挡分析，得到云地耦合影响分布，包括： 基于Canny算法，对所述动态效应图，进行遮挡边界的时间序列变化特征提取，得到遮挡边界线的时序分布； 根据所述云运动轨迹分布和所述遮挡边界线的时序分布，进行云层与光线投射路径的遮挡交叠区域计算，得到初步云地遮挡分布图； 基于K-means聚类算法，对所述初步云地遮挡分布图，进行聚类分析，得到云地耦合影响分布图； 其中，所述基于随机森林算法，对所述云地耦合影响分布和地形遮挡影响系数矩阵，进行初始辐照度概率分布计算，得到初步预测结果，包括： 根据所述云地耦合影响分布和地形遮挡影响系数矩阵，进行加权融合，得到综合影响分布； 基于随机森林算法，对所述综合影响分布，进行概率预测，得到概率分布预测结果； 根据所述概率分布预测结果，进行时空评估与边界识别，并进行辐照动态特征提取，得到初步预测结果图； 其中，所述将所述初步预测结果、所述云运动轨迹分布和所述地形遮挡影响系数矩阵，输入至预先训练完成的预测模型，输出时序优化预测结果，包括： 所述预测模型是由LSTM神经网络训练得到的； 通过所述预测模型的输入层，对所述初步预测结果、所述云运动轨迹分布与所述地形遮挡影响系数矩阵，进行时序特征对齐与数据结构重组，得到输入特征单元序列； 通过所述预测模型的记忆层，对所述输入特征单元序列，进行阶段性特征记忆与趋势学习，得到趋势识别编码向量； 通过所述预测模型的输出映射层，对所述趋势识别编码向量，进行时间步预测与结果解码，输出时序优化预测结果。

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云南师范大学，其通讯地址为：650500 云南省昆明市呈贡区聚贤街768号(云南师范大学)；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。