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！

龙图腾网获悉吉林化工学院申请的专利一种基于VECM的改进RFNN-QLSTM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：CN119674940B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411750373.0，技术领域涉及：H02J3/00；该发明授权一种基于VECM的改进RFNN-QLSTM的光伏功率预测方法及系统是由林琳;张云山;李士林;许津豪;高鹏琛;张皓;孙晓鸣;蔺梦岩设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种基于VECM的改进RFNN-QLSTM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VECM的改进RFNN‑QLSTM的光伏功率预测方法及系统，涉及光伏功率预测领域，方法包括：对原始光伏数据进行预处理；构建向量误差修正模型，捕捉光伏数据与气象因素以及气象因素之间的均衡回归关系，在向量自回归模型上引入误差修正项识别光伏数据中变量之间的协整关系和短期偏差，通过向量误差修正模型筛选并构建新光伏数据集；构建光伏功率短期预测模型，采用所述新光伏数据训练光伏功率短期预测模型，预测并输出光伏出力预测结果。本发明有效解决了未考虑光伏数据与气象因素的均衡关系与协整关系的问题，为光伏功率预测提供了新的研究思路。

本发明授权一种基于VECM的改进RFNN-QLSTM的光伏功率预测方法及系统在权利要求书中公布了：1.一种基于VECM的改进RFNN-QLSTM的光伏功率预测方法，其特征在于，包括： 对原始光伏数据进行异常值与缺失值预处理； 构建向量误差修正模型VECM，捕捉光伏数据与气象因素之间的均衡回归关系，在向量自回归模型引入误差修正项识别光伏数据中变量之间的协整关系与短期偏差，通过向量误差修正模型对气象因素进行筛选，根据筛选结果构建新光伏数据集； 构建基于向量误差修正模型VECM的改进循环模糊神经网络-量子长短期记忆网络RFNN-QLSTM光伏功率短期预测模型； 采用所述新光伏数据集训练光伏功率短期预测模型，预测并输出光伏出力预测结果； 在向量自回归模型基础上引入误差修正项，得到向量误差修正模型，公式如下： 其中ΔYt是时刻t的时间序列变量的差分，表示短期动态关系，Γi是滞后期i的系数矩阵，ΔYt表示被考察的时间序列，p是滞后长度，Π为影响矩阵，包含有关长期关系的信息，εt是n×1误差向量，用来估计似然比LR，以确定系统中ΔYt的协整向量； 对完成构建的向量误差修正模型依次进行约翰森协整关系检验和模型稳定性检验，并进行协整结果分析，识别光伏数据中的变量关系。

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吉林化工学院，其通讯地址为：132022 吉林省吉林市龙潭区承德街45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。