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！

龙图腾网获悉华电环球(北京)贸易发展有限公司申请的专利一种光伏发电功率的短期预测方法和装置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：CN121172757B 。

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：202511713969.8，技术领域涉及：H02J3/00；该发明授权一种光伏发电功率的短期预测方法和装置是由刘芳;耿克成;辛建兵;罗发棹;刘铁生;林朝霞;李学佳;陈伟;朱潮兴;郑超然;王珺珺设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本一种光伏发电功率的短期预测方法和装置在说明书摘要公布了：本申请提供了一种光伏发电功率的短期预测方法和装置，其中，该方法包括：对发电数据和历史气象数据，进行预处理与标准化，得到预处理与标准化后的发电数据和历史气象数据；确定气象特征集中各个气象特征与发电功率之间的线性相关程度；基于各个气象特征与发电功率之间的线性相关程度，选择预定数量个气象特征；通过模型的输入数据，对预先建立的基于序列分解的并行LSTM深度学习模型进行模型训练，得到训练后的预测模型；通过训练后的预测模型，对目标光伏场站的光伏发电功率进行短期预测。通过上述方案达到了在不引入复杂空间图或大规模注意力矩阵计算的前提下，实现了对短期窗口的快速响应与跨季节鲁棒性提升的技术效果。

本发明授权一种光伏发电功率的短期预测方法和装置在权利要求书中公布了：1.一种光伏发电功率的短期预测方法，其特征在于，所述方法包括： 获取目标光伏场站的发电数据和所在区域的历史气象数据； 对所述发电数据和所述历史气象数据，进行预处理与标准化，得到预处理与标准化后的发电数据和历史气象数据； 确定气象特征集中各个气象特征与发电功率之间的线性相关程度； 基于各个气象特征与发电功率之间的线性相关程度，选择预定数量个气象特征； 通过滑动时间窗口，基于选择的预定数量个气象特征，从预处理与标准化后的发电数据和历史气象数据采样得到历史序列和目标序列，作为模型的输入数据； 通过模型的输入数据，对预先建立的基于序列分解的并行LSTM深度学习模型进行模型训练，得到训练后的预测模型，其中，基于序列分解的并行LSTM深度学习模型包括两个阶段，其中，第一阶段为特征提取和分解，用于进行气象特征的季节性分解和趋势性分解，对每个气象特征先做镜像填充与平均卷积，得到趋势数据与季节数据，再将趋势数据和季节数据分别进入不共享参数的双LSTM支路，按特征通道并行学习，其中，不同的气象特征独立进行；第二阶段为特征融合与预测，通道拼接并以门控加性融合的方式进行加权叠加得到融合特征，通过融合特征进行短期功率预测； 通过训练后的预测模型，对目标光伏场站的光伏发电功率进行短期预测； 其中，通道拼接并以门控加性融合的方式进行加权叠加得到融合特征，包括： 对提取的特征以气象特征为通道进行拼接，按照如下公式通过双分支注意力机制叠加季节性特征和趋势性特征，以得到融合特征： ； 其中，hT表示所有气象特征叠加后的趋势特征，hS表示所有气象特征叠加后的季节特征，z表示最终拼接趋势特征和季节特征得到的特征向量,表示趋势分量，表示季节分量； 其中，通过融合特征进行短期功率预测，包括： 将所述融合特征输入至三层全连接网络进行非线性映射，得到短期功率预测： ； 其中，表示预测输出，表示ReLU非线性激活函数，D表示拼接后的特征大小，表示第一层全连接层的权重，表示第一层全连接层的偏置，表示第二层全连接层的权重，表示第二层全连接层的偏置，表示第三层全连接层的权重，表示第三层全连接层的偏置； 其中，对预先建立的基于序列分解的并行LSTM深度学习模型进行模型训练，得到训练后的预测模型包括： 对给定的时间序列输入，根据其历史序列、目标序列以及天气特征个数，确定独立通道数C、LSTM的参数以及时间序列分解的参数，并初始化模型，其中，LSTM的参数包括：输入长度length、隐藏层大小hidden_size、层数N，时间序列分解的参数包括：卷积核大小kernel_size、步长stride； 设置训练参数、优化器、损失函数，其中，训练参数包括：批次大小batch_size、训练轮次epoch、学习率lr； 重复执行：根据输入数据集进行训练，计算损失函数并更新模型，直至模型达到最优。

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华电环球(北京)贸易发展有限公司，其通讯地址为：100071 北京市丰台区汽车博物馆东路6号院“华电产业园”D座5、10层；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。