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！

龙图腾网获悉广州开发区粤电新能源有限公司申请的专利一种光伏储能系统的能量调度方法及平台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：CN120914770B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511277930.6，技术领域涉及：H02J3/466；该发明授权一种光伏储能系统的能量调度方法及平台系统是由杨云珍;罗锦跃;王熙业;邓世杰设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本一种光伏储能系统的能量调度方法及平台系统在说明书摘要公布了：本申请涉及了一种光伏储能系统的能量调度方法及平台系统，方法包括：通过传感器获取光伏储能系统在多个历史时间点的工作状态数据；基于每一个所述历史时间点对应的所述工作状态数据，训练得到状态预测模型；基于所述状态预测模型，根据上一时间点的工作状态数据，预测当前时间点的预测调度需求；响应于所述当前时间点的能量调度需求信号，根据所述预测调度需求，确定所述光伏储能系统对应的能量调度指令。

本发明授权一种光伏储能系统的能量调度方法及平台系统在权利要求书中公布了：1.一种光伏储能系统的能量调度方法，其特征在于，包括如下步骤： 获取光伏储能系统在多个历史时间点的工作状态数据； 基于每一个所述历史时间点对应的所述工作状态数据，训练得到状态预测模型； 基于所述状态预测模型，根据上一时间点的工作状态数据，预测当前时间点的预测调度需求； 响应于所述当前时间点的能量调度需求信号，根据所述预测调度需求，确定所述光伏储能系统对应的能量调度指令； 基于每一个所述历史时间点对应的所述工作状态数据，训练得到状态预测模型，包括： 基于状态识别规则，确定每一个所述工作状态数据对应的状态特征参数； 基于所述历史时间点从早到晚对每一个所述状态特征参数进行排序，得到参数时间序列； 将所述参数时间序列作为训练数据集，对预设的长短期记忆神经网络进行训练，得到状态预测模型； 所述工作状态数据包括光照数据、光伏发电功率、储能电池电压、储能电池电流、储能电池温度、储能电池状态和电价数据；所述状态特征参数包括光照强度、光伏发电量、储能电量、负载需求、实时电价、负载类型和电价类型：所述负载类型包括光伏发电量大于储能电量需求与用户负载需求之和、光伏发电量小于用户负载需求和光伏发电量大于等于用户负载需求；所述电价类型包括低谷电价和高峰电价； 将所述参数时间序列作为训练数据集，对预设的长短期记忆神经网络进行训练，得到状态预测模型，包括： 对任意两个在所述参数时间序列内相邻的所述状态特征参数，计算两相邻所述状态特征参数的光照强度之间的差值，得到光照差值； 计算两相邻所述状态特征参数的光伏发电量之间的差值，得到发电差值； 计算两相邻所述状态特征参数的储能电量之间的差值，得到储电差值； 计算两相邻所述状态特征参数的负载需求之间的差值，得到负载差值； 计算两相邻所述状态特征参数的实时电价之间的差值，得到电价差值； 计算所述光照差值、所述发电差值、所述储电差值、所述负载差值和所述电价差值的加权求和，得到变化特征参数； 计算所述变化特征参数与两个所述状态特征参数对应的历史时间点之间的时间差值的比值，得到两个所述状态特征参数之间的关联特征； 将所述参数时间序列以及对应的每一个所述关联特征拼接为融合特征，输入至预设的长短期记忆神经网络进行训练，得到状态预测模型； 所述长短期记忆神经网络的损失函数设置为第一交叉熵、第二交叉熵和第三交叉熵的乘积，所述第一交叉熵为预测输出和所述参数时间序列对应的标签之间的差异；所述第二交叉熵为输出关联特征与实际关联特征之间的差异；所述第三交叉熵为预测输出和输出关联特征的调度需求表征与实际调度需求对应的真实标签之间的差异；所述输出关联特征为预测输出与上一时间步的预测输出之间的关联特征；所述实际关联特征为所述参数时间序列的对应参数之间实际的关联特征。

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州开发区粤电新能源有限公司，其通讯地址为：510000 广东省广州市海珠区广州大道南788号自编14栋之198房；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。