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！

龙图腾网获悉太原理工大学申请的专利一种清洁能源发电数据清洗、功率预测分析方法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：CN117076891B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311159547.1，技术领域涉及：G06F18/20；该发明授权一种清洁能源发电数据清洗、功率预测分析方法是由张潇;周英朝;冯洋;侯瑞宁;闫琛设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本一种清洁能源发电数据清洗、功率预测分析方法在说明书摘要公布了：本发明公开了一种清洁能源发电数据清洗、功率预测分析方法和系统，属于发电功率预测技术领域，该预测分析方法具体步骤如下：1采集清洁能源发电数据并进行分布式存储；2提取存储的清洁能源发电数据并进行预处理；3构建神经网络模型以进行功率预测；4对预测结果进行可视化展示与异常告警；5通过安全防护体系对预测结果进行加密保护；本发明能够简化数据分析难度、聚焦风险偏好和策略制定，增强电网安全稳定性，同时可以制定出更合理的供电计划，控制电能的使用，提高能源利用效率，且对电价进行科学预测，帮助用户更好地管理用电成本。

本发明授权一种清洁能源发电数据清洗、功率预测分析方法在权利要求书中公布了：1.一种清洁能源发电数据清洗、功率预测分析方法，其特征在于，该预测分析方法具体步骤如下： 1采集清洁能源发电数据并进行分布式存储； 2提取存储的清洁能源发电数据并进行预处理； 3构建神经网络模型以进行功率预测； 4对预测结果进行可视化展示与异常告警； 5通过安全防护体系对预测结果进行加密保护； 步骤2所述清洁能源发电数据预处理具体步骤如下： 步骤1：通过移动平均或指数平滑方法来平滑各组数据，以减少随机波动，之后通过傅里叶变换将数据转换到频域，滤除高频噪声，再检测是否存在重复的数据记录，若存在重复数据，则将其删除； 步骤2：对各清洁能源发电数据进行标准化处理以统一格式，并将其整合归纳为样本集，之后计算样本集标准偏差以筛除样本集中存在异常的数据； 步骤3：通过KNN算法计算剩余数据点与已知数据点之间的距离，找到离待处理数据点最近的K组已知数据点，根据找到的K组已知数据点的标签或数值，对剩余数据点进行分类或回归预测； 步骤4：检测各组数据中存在的缺失值，并标记各缺失值在对应数据中的所在位置，对各组数据中存在的缺失值进行统计和可视化分析以获取缺失值的分布情况和影响范围，并计算KNN算法找到的相应的K组数据点的平均值或中位数来替代异常值或缺失值； 步骤3所述功率预测具体步骤如下： 步骤Ⅰ：对处理后的清洁能源发电数据时间戳特征进行挖掘，并对其进行差分序列处理获取发电厂的特征均值和标准差，之后对获取的各组特征数据进行序列长度标准化处理； 步骤Ⅱ：将收集的各组数据按照14：3：3随机划分为训练集、验证机以及测试集，并设定迭代次数、批处理参数以及节点丢弃率，之后通过训练集训练神经网络模型，并将功率时间序列输入到模型中，并通过反向传播更新模型的参数，同时使用验证集监视模型的性能； 步骤Ⅲ：使用测试集来评估训练完成后的神经网络模型性能，同时通过均方根误差来计算该模型的损失值，并通过Adam优化器最小化损失值，若损失值不满足预设阈值，则重新对该神经网络模型进行训练，反之，则将模型部署至云平台； 步骤Ⅳ：先利用一维卷积神经网络CNN提取光伏功率数据的空间特征,再使用多层BiLSTM共享网络来提取时间序列数据的特征，并将提取的时间相关性传递给后续层，之后后续全连接层通过Attention层分配BiLSTM隐含层不同权重并输出处理结果，通过LSTM解码器对输出的处理结果进行解码以获取预测结果。

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太原理工大学，其通讯地址为：030600 山西省晋中市榆次区大学街209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。