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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京宝能智慧能源有限公司王国英获国家专利权

南京宝能智慧能源有限公司王国英获国家专利权

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!

龙图腾网获悉南京宝能智慧能源有限公司申请的专利一种基于AI引擎的光伏发电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:CN121188442B

龙图腾网通过国家知识产权局官网在2026-03-24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:202511756452.7,技术领域涉及:G06F18/21;该发明授权一种基于AI引擎的光伏发电预测方法及系统是由王国英;王宝华;王可达;林峰;艾成龙;单其武;万全伟;沈志勇设计研发完成,并于2025-11-27向国家知识产权局提交的专利申请。

一种基于AI引擎的光伏发电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AI引擎的光伏发电预测方法及系统,涉及光伏发电技术领域,通过气象误差反演矩阵Mer对预测残差集合Res进行自适应分析,通过AI引擎反推出气象输入特征的误差灵敏度系数,生成可动态修正的修正系数集合Cor,并形成修正气象输入集合Inpc作为新的预测基准;使得在预测过程中不再被动依赖外部气象数据,而是能够根据自身预测偏差动态修正输入特征,实现气象信息的闭环自校正。通过这种动态反馈与自学习修正方式,可在多周期预测中持续优化损失函数Lnew的收敛效果,使预测误差逐步减小,显著提升光伏功率预测在复杂气象条件下的自适应精度,显著提升光伏功率预测在复杂气象条件下的自适应精度与稳定性。

本发明授权一种基于AI引擎的光伏发电预测方法及系统在权利要求书中公布了:1.一种基于AI引擎的光伏发电预测方法,其特征在于:包括以下步骤: S1、通过AI引擎的数据采集模块获取多源输入信息,形成数据集合和气象参考数据,进行同步和结构对齐处理后,生成输入特征集合; S2、基于输入特征集合构建非线性预测模型,通过神经网络结构完成特征映射与时序分析,输出光伏预测输出结果; 所述S2包括S21和S22; S21、基于输入特征集合构建非线性预测模型,具体通过步骤S211、S212和S213完成; S211、模型结构设定:AI引擎通过使用时序神经网络结构算法建立非线性预测模型,采用多层递归结构;非线性预测模型的输入为输入特征集合中各时间点的参数值;非线性预测模型的输出为对未来时间窗口的光伏预测输出结果; S212、训练样本生成:通过使用滑动时间窗口方法从输入特征集合中提取连续样本片段,并与样本片段对应的实际输出功率参数进行配对,组成训练样本,构建监督学习所需的训练样本集; S213、模型输入参数训练与优化:通过使用反向传播算法对非线性预测模型进行迭代训练;在每一训练轮次中,将输入特征集合输入模型后计算得到光伏预测输出结果,与对应的实际输出功率参数进行差异比对,为量化差异比对的偏差,通过定义损失函数L作为优化目标; S22、基于训练完成的非线性预测模型,对当前时刻的输入特征集合进行实时计算,输出时间序列形式的预测功率结果,生成光伏预测输出结果; S3、实时监测光伏阵列的实际发电输出,形成实际功率,对比光伏预测输出结果与实际功率,得到预测残差集合; 所述S3包括S31和S32; S31、实时监测光伏阵列的实际发电输出,获取实际输出功率参数,再与光伏预测输出结果进行对比,计算在同一采样时刻下的差异值,标记为第k个采样时刻的预测偏差量,整合多个采样时刻的预测偏差量,获取时序化的预测残差序列; 其中,第k个采样时刻的预测偏差量Resk通过以下差分运算公式获取: Resk=Powpk-Powak; 式中,Powpk表示第k个采样时刻的光伏预测输出结果,Powak表示第k个采样时刻的实际输出功率参数; S32、对预测残差序列进行特征提取与结构化构建,具体通过步骤S321和S322完成; S321、AI引擎基于采样时刻对预测残差序列进行统计计算,提取用于表示非线性预测模型在各采样时刻下预测误差特征的特征参数,所述特征参数包括:残差平均值参数、残差方差参数、残差变化率参数和残差偏移率参数; S322、将特征参数与对应采样时刻的气象输入特征集合进行一一对应匹配,通过建立特征参数与气象输入之间的映射关系,生成每一采样时刻下的多维对应数据记录,再按照采样时刻顺序进行整合,形成时间一致性与特征对应性的结构化数据集合,定义为预测残差集合; S4、基于AI引擎建立气象误差反演矩阵,通过对预测残差集合与气象参考数据的非线性映射关系进行自学习分析,生成用于修正的气象误差修正因子集合; S5、将气象误差修正因子集合反馈至AI引擎中,对输入特征集合进行自适应修正,形成修正输入集合,进行光伏发电的预测修正。

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南京宝能智慧能源有限公司,其通讯地址为:210000 江苏省南京市栖霞区马群街道紫东路2号紫东国际创意园D13;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。