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！

龙图腾网获悉南京信息工程大学申请的专利一种基于物理嵌入式深度学习的风光资源互补评估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：CN121329093B 。

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：202511902586.5，技术领域涉及：G06Q10/0631；该发明授权一种基于物理嵌入式深度学习的风光资源互补评估方法及系统是由谈玲;王董荃;夏景明设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本一种基于物理嵌入式深度学习的风光资源互补评估方法及系统在说明书摘要公布了：本发明公开了一种基于物理嵌入式深度学习的风光资源互补评估方法及系统，属于资源评估领域，方法包括：获取目标区域气象要素和数字高程模型数据；计算相邻网格海拔变化率，基于IGC算法区分平坦区与非平坦区，分别提取地形特征；通过辐射数据生成太阳高度角周期性特征，与地形特征拼接得到融合特征；构建物理嵌入式的NODE‑SA‑ConvLSTM模型，结合自注意力机制捕获风光要素的全局依赖关系，输出风速与辐射预测结果；利用误差恒定补偿机制对预测残差进行滑动平衡修正；通过风光互补系数量化区域风光资源互补性。本发明通过引入物理嵌入机制和连续时间建模，有效提升了风光资源预测精度与稳定性，实现了风光资源禀赋的互补评估。

本发明授权一种基于物理嵌入式深度学习的风光资源互补评估方法及系统在权利要求书中公布了：1.一种基于物理嵌入式深度学习的风光资源互补评估方法，其特征在于，包括如下步骤： S1、获取目标区域的网格化气象数据与网格化地形数据； S2、计算网格化地形数据相邻网格海拔变化率，通过IGC算法确定海拔变化率阈值，根据海拔变化率阈值区分平坦区与非平坦区； S3、对平坦区的气象数据进行S-Transform时频分析，提取核心气象要素的瞬时能量谱与频率主特征，对非平坦区的气象数据采用VMD与Hilbert变换结合方式，提取核心气象要素的瞬时幅值与频率特征； S4、对气象数据中的辐射数据进行编码，生成太阳高度角周期性特征，并与频率主特征、频率特征进行拼接，得到融合特征； S5、构造物理嵌入式NODE-SA-ConvLSTM模型，在SA-ConvLSTM中引入NODE机制，将离散的隐藏状态传递过程转化为连续时间的微分方程求解形式，并将融合特征输入模型； 所述NODE-SA-ConvLSTM模型包含层，每层由输入门it、遗忘门ft、输出门ot、隐藏状态ht、细胞状态ct以及候选细胞状态gt组成； 通过SA-ConvLSTM中it、ft、ot三个门控单元共同调节信息在ht中的流动与更新，通过NODE对门控机制进行连续化处理，由常微分方程描述细胞状态ct由离散到连续的演化过程，实现对时序特征的平滑建模，演化公式如下： 其中，表示细胞状态的时间尺度参数，表示逐元素乘法； 隐藏状态ht由输出门ot与注意力机制共同决定，演化方程为： ； 其中，是隐藏状态的时间尺度，表示由自注意力模块提取的全局上下文信息，为控制注意力驱动强度的参数； 演化后的状态向量，由向量场描述： ； 其中，参数θ包含SA-ConvLSTM中所有的卷积核、自注意力权重以及时间尺度超参数，给定初始条件，在时间区间上通过NODE中ODE求解器进行积分，得到下一轮条件，以此类推，共迭代轮； S6、从NODE-SA-ConvLSTM模型中输出风速与太阳辐射的预测结果； S7、利用误差恒定补偿机制对预测结果进行残差平衡修正； S8、根据修正后的预测结果构建风光互补系数，输出风光资源禀赋互补评估结果。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。