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！

龙图腾网获悉达朗(上海)智能科技有限公司申请的专利一种基于自注意力机制的光伏发电功率跨子站预测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：CN121072883B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511258473.6，技术领域涉及：G06Q10/04；该发明授权一种基于自注意力机制的光伏发电功率跨子站预测方法是由何英杰;褚英昊;华禹洋设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本一种基于自注意力机制的光伏发电功率跨子站预测方法在说明书摘要公布了：本发明提供了一种基于自注意力机制的光伏发电功率跨子站预测方法，属于光伏发电预测技术领域，包括构建多源数据集，生成设备健康度指数并融合为静态特征向量，构建含时间、空间注意力头及门控残差网络的时空联合建模模型，结合跨子站数据增强机制训练，实时气象预警时动态调整模型参数并采用分位数损失函数优化，最终输出跨子站预测结果。本发明实现了光伏发电功率的跨子站精准预测，有效提升了对新子站的泛化能力；同时通过实时气象预警下的动态调整及分位数损失优化，增强了极端天气场景下的预测准确性，适用于各类光伏系统的功率预测，还可应用于光伏发电以外的其他太阳能利用领域的能量产出预测。

本发明授权一种基于自注意力机制的光伏发电功率跨子站预测方法在权利要求书中公布了：1.一种基于自注意力机制的光伏发电功率跨子站预测方法，其特征在于，包括以下步骤： 构建多源数据集，所述多源数据集包括多子站历史发电功率、气象数据、静态参数、设备运行状态数据及实时气象预警信号； 对所述设备运行状态数据进行退化因子计算生成设备健康度指数，将其与静态参数融合为时变静态特征向量，并构建极端天气样本池；具体包括： 基于设备运行状态数据，通过线性回归模型计算退化因子； 基于所述退化因子计算设备实时效率，并将所述设备实时效率转化为健康度指数； 将所述健康度指数与静态参数通过特征拼接融合为时变静态特征向量； 筛选历史数据中极端天气对应的功率及气象序列，所述极端天气包括雷暴、沙尘暴，构建极端天气样本池； 基于改进的自注意力机制构建时空联合建模模型，所述时空联合建模模型包括时间注意力头、空间注意力头及门控残差网络，所述空间注意力头通过经纬度高斯核函数计算子站间空间关联度；具体包括 构建时间注意力头，采用缩放点积注意力计算时间依赖，具体为通过查询矩阵、键矩阵和值矩阵计算注意力权重，公式为： ； 其中，为查询矩阵，为键矩阵，为值矩阵，为键向量的维度； 构建空间注意力头，基于两子站的球面距离计算空间关联度权重，公式为： ； 其中，为子站与子站的空间权重；为两子站的球面距离，单位为km；为区域内子站平均距离，单位为km； 集成门控残差网络，通过门控线性单元和层归一化处理输入特征，公式为： ； 其中，为时刻的输入特征，为门控残差网络；、分别为网络权重和偏置，为门控线性单元，为层归一化操作； 最后将时间注意力头、空间注意力头与门控残差网络整合，形成时空联合建模模型，用于同时捕捉时间依赖关系和空间关联度； 将所述多源数据集、时变静态特征向量及极端天气样本池输入所述时空联合建模模型，结合跨子站数据增强机制进行训练，所述跨子站数据增强机制通过相似度图谱筛选参考子站并生成虚拟训练数据；具体包括： 从所述多源数据集中随机选取70%的子站作为基础子集，每个子站数据按时间划分为训练集和测试集，所述训练集为每月前三周数据，所述测试集为每月剩余周次数据； 对无历史数据的新子站，计算其与所述基础子集的特征相似度，公式为： ； 其中，为新子站与基础子集子站的相似度，为新子站的静态特征向量，为基础子集子站的静态特征向量； 提取参考子站的历史发电功率及气象数据序列，通过改进的自注意力机制进行特征对齐，生成与新子站地理气候特征匹配的虚拟训练数据，虚拟训练数据与新子站已有真实数据按2:1比例组合； 最后将多源数据集的训练集、时变静态特征向量、极端天气样本池及虚拟训练数据合并为模型输入，输入至时空联合建模模型，采用梯度下降法迭代更新模型参数，直至模型在测试集上的预测误差收敛； 训练过程中，当实时气象预警信号激活时，动态调整短期高频气象数据的权重及门控残差网络非线性处理强度，同时采用分位数损失函数优化时空联合建模模型；具体包括： 实时监测实时气象预警信号，当预警信号激活时，启动动态调整机制； 通过变量选择网络调整短期高频气象数据的权重，公式为： ； 其中，为t时刻第k个短期高频气象特征的权重，为短期高频气象数据，M为特征综述，β为增强系数，取值1.2~1.5，GRN为门控残差网络； 最后调整门控残差网络的非线性激活函数，将指数线性单元ELU替换为LeakyReLU，函数表达式为： ； 其中，x为输入到激活函数的特征值； 所述采用分位数损失函数优化时空联合建模模型的表达式为： ； 其中，为分位数损失，为分位数，取值为0.1、0.5、0.9；为真实发电功率，为预测功率； 将待预测子站数据输入训练完成的时空联合建模模型，输出跨子站光伏发电功率预测结果。

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达朗(上海)智能科技有限公司，其通讯地址为：200030 上海市徐汇区虹漕路25-1号2楼；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。