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 > 连云港智源电力设计有限公司;河海大学杨甫获国家专利权

连云港智源电力设计有限公司;河海大学杨甫获国家专利权

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!

龙图腾网获悉连云港智源电力设计有限公司;河海大学申请的专利基于深度学习与多源数据融合驱动的光伏功率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:CN119340970B

龙图腾网通过国家知识产权局官网在2025-10-28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:202411371484.0,技术领域涉及:H02J3/00;该发明授权基于深度学习与多源数据融合驱动的光伏功率预测方法及系统是由杨甫;牟进;张文瑞;李光熹;任国影;徐帆设计研发完成,并于2024-09-29向国家知识产权局提交的专利申请。

基于深度学习与多源数据融合驱动的光伏功率预测方法及系统在说明书摘要公布了:本发明公开了一种基于深度学习与多源数据融合驱动的光伏功率预测方法及系统,包括以下步骤采集目标区域的光伏功率出力、多源气象数据、多波长通道卫星云图,构成预测模型的数据样本库;本发明提出一种适用于长短期记忆神经网络与自注意力卷积长短期记忆神经网络的双向动态残差机制,有效改善梯度爆炸以及长期时序特征建模不足的问题;利用改进的自注意力卷积长短期记忆神经网络对预测时刻的卫星云图进行预测,以未来云图为引导,预测模型能够充分捕捉历史云图序列中的时空动态信息;可用于实际的分布式光伏功率预测,提升预测方法的泛化性与鲁棒性,并保障电力系统的安全稳定运行。

本发明授权基于深度学习与多源数据融合驱动的光伏功率预测方法及系统在权利要求书中公布了:1.基于深度学习与多源数据融合驱动的光伏功率预测方法,其特征在于,包括以下步骤: S1、采集目标区域的光伏功率出力、多源气象数据、多波长通道卫星云图,构成预测模型的数据样本库,所采集到的数据序列为: I=[it-n,it-n+1,...,it] P=[pt-n,pt-n+1,...,pt] W=[wt+1,wt+2,...,wt+m]; S2、对光伏功率出力及多源气象数据进行数据清洗,并采用金字塔算法融合多波长通道卫星云图,利用多级金字塔算法将可见光、近红外、红外光、水汽光谱波段的卫星云图进行融合,得到能够充分表征云层信息的融合卫星云图; S3、基于历史多步卫星云图,利用改进的自注意力卷积长短期记忆神经网络对未来预测时刻的卫星云图进行预测,通过二维卷积神经网络与三维卷积神经网络模型分别提预测云图的空间分布特征及历史云图的时空动态特征,历史卫星云图的尺寸为N、H、W、C;N为历史云图帧数,H、W分别为云图的高度、宽度与通道数,而C为使用的历史卫星云图序列长度,其中,将连续的历史卫星云图作为输入,利用改进的自注意力卷积长短期记忆神经网络进行图像预测,进而得到预测时刻的卫星云图,改进的自注意力卷积长短期记忆神经网络的定义为: S4、利用小波变换算法对光伏功率序列进行分解,去除噪声,得到固有特征分量,其过程可表示为: 基于改进的长短期记忆神经网络捕捉固有特征分量的时序特性,其过程可表述为: 利用多层感知机提取多源气象预报数据的深层特征: S5、将历史云图时空特征、预测云图空间特征、历史功率时序特征、深层气象特征作为多层感知机的输入,得到光伏功率预测结果O,其过程表述为: O=[ot+1,ot+2,...,ot+m]; 其中,O代表多步预测结果,[ot+1,ot+2,...,ot+m]为从t+1到t+m每个时刻的光伏功率预测结果; S6、基于实时新增数据,利用增量更新方法对预测模型进行实时优化、修正; 所述S1公式中:I、P、W分别为卫星云图、光伏功率及气象预报数据,it为t时刻的多波长通道的卫星云图集合,n为历史序列长度,m为预测序列长度; 所述S3公式中:其中,xt,ht-1为t时刻的输入值与t-1时刻的输出值;为xt经过自注意力模块所得到的更新特征;为ht-1依次经过动态残差模块与自注意力模块所得到的更新值;ct,ct-1表示t时刻与t-1时刻的单元状态;BDR为动态残差模块;SA为自注意力记忆模块;it,ft,gt分别为输入门、遗忘门与输出门;Wxi,Whi,bi,Wxf,Whf,bf,Wxc,Whc,bc,Wxg,Whg,bg为学习参数;tanh为双曲正切函数,σ为激活函数,表示哈达玛积;ht为t时刻的单元状态; 所述S4中pdenoised为去噪后的光伏功率序列,t为时间变量,表示对所有尺度s和所有频带k进行求和,Wk,s是经过阈值处理后的小波系数,k表示小波的频带,s表示尺度参数,ψk,s是对应于尺度s和频带k的小波函数; 其中,为历史光伏功率序列的时序特征,fIM-LSTM为改进的长短期记忆神经网络模型,为去噪后的历史光伏功率序列; 为多源气象预报数据的深层气象特征,[wt+1,wt+2,...,wt+m]为从t+1到t+m的每个预测时刻对应的气象预报数据,fMLP为多层感知机模型。

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连云港智源电力设计有限公司;河海大学,其通讯地址为:222000 江苏省连云港市海州区幸福路23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。