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！

龙图腾网获悉国网江西省电力有限公司电力科学研究院申请的专利一种基于深度学习的光伏系统负荷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：CN121172754B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511699750.7，技术领域涉及：H02J3/00；该发明授权一种基于深度学习的光伏系统负荷预测方法及系统是由吴康;赵伟哲;何昊;何伟;匡德兴;万子镜设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本一种基于深度学习的光伏系统负荷预测方法及系统在说明书摘要公布了：本发明涉及新能源预测技术领域，具体为一种基于深度学习的光伏系统负荷预测方法及系统。本发明采用互补集合经验模态分解技术对原始光伏负荷数据进行分解，基于峭度值筛选有效分量后生成多个负荷子序列；构建融合Gish激活函数的双向时间卷积网络，并引入多头自注意力机制强化全局依赖关系建模；采用炭黑四角蜂算法与薛定谔优化算法相结合的混合优化策略，对卷积核大小与注意力权重系数进行自适应调优；最后基于验证集预测误差对各子序列预测结果进行加权重构，得到最终预测值。本发明显著提升了光伏负荷预测的精度、鲁棒性和参数优化效率。

本发明授权一种基于深度学习的光伏系统负荷预测方法及系统在权利要求书中公布了：1.一种基于深度学习的光伏系统负荷预测方法，其特征在于，包括： S100：获取光伏系统的原始光伏负荷数据序列，采用互补集合经验模态分解技术对所述原始光伏负荷数据序列进行分解，得到多个本征模态函数分量和一个残差分量，筛选出有效的本征模态函数分量，将筛选后的本征模态函数分量与所述残差分量作为多个负荷子序列； S200：构建融合Gish激活函数的双向时间卷积网络，在所述双向时间卷积网络的双向卷积层中引入Gish激活函数，并在所述双向时间卷积网络中引入多头自注意力机制； S300：采用炭黑四角蜂算法与薛定谔优化算法相结合的混合优化策略，对所述双向时间卷积网络的卷积核大小与多头自注意力机制的注意力权重系数进行自适应调优； S400：将各负荷子序列分别输入经调优后的双向时间卷积网络，输出各负荷子序列对应的预测负荷值； S500：基于各负荷子序列在验证集上的预测误差计算权重系数，对各负荷子序列的预测结果进行加权重构，得到最终光伏负荷预测值； 所述炭黑四角蜂算法的步骤包括：在参数空间内进行局部搜索并生成多个初始参数向量，通过迭代更新识别最优参数向量，确定所述最优参数向量所在的潜在最优参数区间； 所述通过迭代更新识别最优参数向量的步骤包括： 识别当前适应度最大的最差峰参数向量和适应度最小的最优峰参数向量； 计算除最差峰外其余峰的中心位置； 根据所述中心位置和所述最优峰参数向量生成新峰参数向量替换所述最差峰参数向量； 所述薛定谔优化算法的步骤包括：在所述潜在最优参数区间内进行全局搜索，将待优化参数映射为量子比特的概率幅，通过量子旋转门更新概率幅，对更新后的概率幅进行量子测量得到参数候选解，选取适应度值最小的候选解作为最优参数。

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国网江西省电力有限公司电力科学研究院，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88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。