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！

龙图腾网获悉陕西斯瀚实业有限公司申请的专利基于深度学习模型的虚拟电厂功率AI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：CN120749734B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511254178.3，技术领域涉及：H02J3/00；该发明授权基于深度学习模型的虚拟电厂功率AI预测方法及系统是由杨筱晴设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本基于深度学习模型的虚拟电厂功率AI预测方法及系统在说明书摘要公布了：本发明涉及功率预测技术领域，具体涉及基于深度学习模型的虚拟电厂功率AI预测方法及系统。本发明首先获取虚拟电厂的输入功率及每条生产线的消耗功率，获取每个时刻的预设历史时段内的每个异常损耗时段内的产线故障系数，并结合相邻异常损耗时段的时间间隔，获取每个时刻的异常关注系数；最后将当前时刻的预设历史时段内每个时刻的异常关注系数及输入功率输入至预训练的AI预测模型中，准确预测虚拟电厂的输入功率。本发明通过分析生产线故障及生产线生产过程影响导致的功率波动，准确评估每个时刻下生产线的故障可能性，进而确定每个时刻的异常关注权重，最终基于AI功率预测模型准确评估未来功率。

本发明授权基于深度学习模型的虚拟电厂功率AI预测方法及系统在权利要求书中公布了：1.基于深度学习模型的虚拟电厂功率AI预测方法，其特征在于，所述方法包括： 在每个时刻，获取虚拟电厂的输入功率及虚拟电厂中每条生产线的消耗功率； 对于每个时刻，根据所有生产线的总消耗功率相对输入功率的偏差确定功率损耗值，并根据其预设历史时段内所有时刻的功率损耗值确定所有异常损耗时段，在每个异常损耗时段内，根据所有时刻的功率损耗值的幅值水平及增长波动情况，确定异常损耗系数； 在每个异常损耗时段内，根据每个生产线在每个时刻与相邻时刻对应消耗功率之间的差异，获取每个生产线的功率波动时刻，并结合异常损耗系数确定故障可能因子，根据每个生产线的消耗功率的变化情况及功率波动时刻的数量，结合故障可能因子，获取产线故障系数； 根据相邻异常损耗时段之间的时间间隔及所有异常损耗时段的产线故障系数，获取每个时刻的异常关注系数；将当前时刻的预设历史时段内每个时刻的异常关注系数及输入功率输入至预训练的AI预测模型中，预测虚拟电厂的输入功率； 所述故障可能因子的获取方法包括： 在每个异常损耗时段内，将所述功率波动时刻下对应生产线标记为异常生产线，根据不同时刻下异常生产线的总数量及每个时刻的功率波动系数，获取产线异常参数；融合所述产线异常参数及所述异常损耗系数，获取每个异常损耗时段内生产线的故障可能因子； 所述产线故障系数的获取方法包括： 对于每个生产线，在每个异常损耗时段内，根据每个生产线的消耗功率的极差及功率波动时刻的总数量，获取功率波动特征值；根据每个生产线的功率波动特征值，将生产线分类为故障产线及生产波动产线； 在每个异常损耗时段内，根据所有故障产线及所有生产波动产线对应功率波动特征值之间的差异，获取故障对比权重；融合故障产线的总数量及所述故障可能因子，利用所述故障对比权重对融合结果加权，将加权结果作为产线故障系数； 所述异常关注系数的获取方法包括： 以任一时刻为目标时刻，在目标时刻的预设历史时段内，根据所有相邻异常损耗时段之间的时间间隔拟合异常间隔变化曲线，将异常间隔变化曲线的斜率的负相关映射结果作为第一关注参数，将所有异常损耗时段的所述产线故障系数的均值作为第二关注参数； 将目标时刻与最近的一个异常损耗时段的结束时刻之间的时间间隔的负相关映射结果作为异常参考权重，融合所述第一关注参数及所述第二关注参数，利用异常参考权重对融合结果加权，将加权结果的归一化结果作为异常关注系数。

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陕西斯瀚实业有限公司，其通讯地址为：710199 陕西省西安市曲江新区北池头一路华侨城108坊32栋楼103室；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。