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！

龙图腾网获悉广东海洋大学申请的专利一种基于多模态数据的波浪能发电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：CN119809059B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510278826.2，技术领域涉及：G06Q10/04；该发明授权一种基于多模态数据的波浪能发电功率预测方法及系统是由林金波;吴润贞;陈锦培;张会领;刘阳;罗梓林;谢诺;胡丽丽;方讲毅;梁嘉琪;谢震;任虹明;林奕姿;蒋景培设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本一种基于多模态数据的波浪能发电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多模态数据的波浪能发电功率预测方法及系统，目前浮式防波堤与波浪能发电一体化装置，其核心结构包括浮体装置，由高强度、耐腐蚀浮筒组成，连杆结构连接浮体与变速齿轮机构，结合模块化结构依浪涌等级设计。为解决波浪能发电装置的实时输出功率存在较大波动而增加电力调控和储能调度压力的技术问题，本方案通过获取流域各个位置的风力、风向、温度以及湿度等环境因素，利用训练数据集算法模型的结合，实现提前预测发电装置下一时间的输出功率，为电网整体的储能调度和供需平衡提供数据支持。

本发明授权一种基于多模态数据的波浪能发电功率预测方法及系统在权利要求书中公布了：1.一种基于多模态数据的波浪能发电功率预测方法，其特征在于，包括： 在第一时间段内，获取目标流域各个预设位置的环境数据集、波浪数据集以及图像数据集，所述目标流域为波浪能发电装置所在流域； 基于时间顺序将所述环境数据集、波浪数据集以及图像数据集融合构建为多模态时序数据； 将所述多模态时序数据输入至预设的功率预测模型，以使所述功率预测模型基于深度分解架构提取所述多模态时序数据中的趋势项和周期项，并生成对应的趋势预测结果和周期预测结果，进而结合所述趋势预测结果和所述周期预测结果生成第二时间段的发电功率预测结果； 其中，所述功率预测模型是根据历史多模态时序数据对初始功率预测模型训练获得，所述初始功率预测模型基于Autoformer模型构建获得； 所述基于时间顺序将所述环境数据集、波浪数据集以及图像数据集融合构建为多模态时序数据，包括： 分别从所述环境数据集、波浪数据集以及图像数据集中提取对应的环境特征集、波浪特征集以及图像特征集； 基于时间顺序分别将所述环境特征集、波浪特征集以及图像特征集转换为对应的环境特征时序数据、波浪特征时序数据以及图像特征时序数据； 将所述环境特征时序数据、波浪特征时序数据以及图像特征时序数据对齐时间戳后，融合构建为所述多模态时序数据； 从所述图像数据集中提取对应的图像特征集，包括： 通过边缘检测算法从所述图像数据集中定位各个波浪轮廓，进而提取出各个图像的波浪形态特征； 根据所述图像数据集中的相邻帧图像确定各个图像中波浪的运动方向和速度，进而提取出各个图像的波浪运动特征； 根据各个所述波浪形态特征对所述图像数据集中的各个图像进行纹理分析，进而提取出各个图像的波浪纹理特征； 将各个所述波浪形态特征、波浪运动特征以及波浪纹理特征相结合，构建获得所述图像特征集； 所述功率预测模型基于深度分解架构提取所述多模态时序数据中的趋势项和周期项，并生成对应的趋势预测结果和周期预测结果，进而结合所述趋势预测结果和所述周期预测结果生成第二时间段的发电功率预测结果，包括： 通过预设的多层编码器-解码器对所述多模态时序数据进行逐层序列分解和数据预测，生成各层各自的趋势项、周期项、趋势预测结果和周期预测结果； 其中，在任一层编码器-解码器中，通过当前层的编码器对当前层的输入数据进行序列分解，获得当前层的周期项和趋势项；通过当前层的解码器对当前层的周期项和趋势项进行预测，生成当前层的趋势预测结果和周期预测结果；将当前层的周期项输入至下一层编码器-解码器；第一层编码器-解码器的输入数据为所述多模态时序数据； 根据所述功率预测模型内部的权重参数，通过预设的线性层融合层对各层编码器-解码器的趋势预测结果和周期预测结果进行加权融合，生成第二时间段的发电功率预测结果； 使用Canny边缘检测算法定位波浪轮廓，提取波峰高度和波长，进而提取波浪形态特征；通过光流法计算相邻帧波浪位移，推导波浪的运动速度，进而提取波浪运动特征；基于灰度共生矩阵提取图像纹理对比度与熵值，进而提取波浪纹理特征。

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广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区海大路1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”。