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！

龙图腾网获悉浙江工业大学申请的专利融合空间感知回归与跨视角知识迁移的光伏功率预测方法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：CN121459208B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610011190.X，技术领域涉及：G06V20/13；该发明授权融合空间感知回归与跨视角知识迁移的光伏功率预测方法是由党源杰;蓝纬;陈朋;陈雅菲;郑硕设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本融合空间感知回归与跨视角知识迁移的光伏功率预测方法在说明书摘要公布了：融合空间感知回归与跨视角知识迁移的光伏功率预测方法，包括：S1.采集图像序列数据，进行预处理；S2.搭建特征提取架构和空间语义映射与回归网络，空间语义映射与回归网络连接在目标时空特征提取网络的输出端；S3.以参考高分辨率特征提取网络为监督源，将目标时空特征提取网络的中间层特征投影至参考特征空间，计算多尺度复合蒸馏损失，结合功率预测损失构建联合目标函数，对目标时空特征提取网络和空间语义映射与回归网络进行参数的协同更新；S4.阻断参考高分辨率特征提取网络的数据通路，将测试集的第一分辨率图像序列输入训练好的目标时空特征提取网络，并传输至空间语义映射与回归网络直接输出光伏功率预测值。

本发明授权融合空间感知回归与跨视角知识迁移的光伏功率预测方法在权利要求书中公布了：1.一种融合空间感知回归与跨视角知识迁移的光伏功率预测方法，其特征在于，包括以下步骤：S1.采集低频宽视场和高频窄视场的图像序列，以及光伏电站的历史功率数据，进行预处理，并划分训练集、验证集、测试集；S2.搭建特征提取架构和空间语义映射与回归网络；所述特征提取架构包含目标时空特征提取网络和参考高分辨率特征提取网络；所述空间语义映射与回归网络连接在所述目标时空特征提取网络的输出端；S3.将训练集数据输入特征提取架构，利用目标时空特征提取网络输出时空特征至空间语义映射与回归网络，经解码生成二维空间影响权重图，并通过全局加权聚合操作输出初步光伏功率预测值；基于所述初步光伏功率预测值与历史功率数据计算功率预测损失；同时，以参考高分辨率特征提取网络为监督源，通过特征维度适配与映射单元将目标时空特征提取网络的中间层特征投影至参考特征空间，计算包含语义一致性与空间显著性分布差异的多尺度复合蒸馏损失，构建包含功率预测损失与多尺度复合蒸馏损失的联合目标函数，对目标时空特征提取网络和空间语义映射与回归网络进行参数的协同更新；S4.在推理阶段，阻断参考高分辨率特征提取网络的数据通路，将测试集的第一分辨率图像序列输入训练好的目标时空特征提取网络，推断出包含高频纹理信息的时空特征，并传输至空间语义映射与回归网络直接输出最终的光伏功率预测值；所述的多尺度复合蒸馏损失的计算过程是： 1语义一致性：通过计算适配后的目标特征图与参考特征图之间的L2范数平方距离来实现： 1 其中，表示在第个监督层级上的语义一致性损失；表示经过适配后的目标时空特征提取网络在第层的中间特征张量；表示参考高分辨率特征提取网络在对应第层的中间特征张量；表示L2范数的平方； 2空间显著性对齐：首先沿通道轴聚合特征激活的幅度生成空间注意力图；然后计算两者注意力图之间的L1范数距离： 2 其中，表示在第个监督层级上的空间显著性对齐损失；表示目标网络的空间注意力图；表示参考网络的空间注意力图；表示L1范数； 3多尺度复合蒸馏损失总和：对个监督层级的损失进行加权求和： 3 ，表示计算得到的总多尺度复合蒸馏损失；表示参与蒸馏监督的网络层级总数；表示第层级语义一致性损失的加权平衡系数；表示第层级空间显著性对齐损失的加权平衡系数。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。