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！

龙图腾网恭喜广东工业大学申请的专利一种轻量级的多源数据融合的光伏发电功率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：CN119691685B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510176916.0，技术领域涉及：G06F18/25；该发明授权一种轻量级的多源数据融合的光伏发电功率预测方法及系统是由殷豪;张祺;罗功铺;关茹芳;刘宏蕙设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本一种轻量级的多源数据融合的光伏发电功率预测方法及系统在说明书摘要公布了：本发明涉及光伏发电功率预测的技术领域，更具体地，涉及一种轻量级的多源数据融合的光伏发电功率预测方法及系统。本发明将卫星云图、地基云图、关键气象因子、历史光伏发电功率数据相结合，能提高了数据利用效率和预测精度，运用优化的特征提取方法，加快计算速度，减少计算负担，使用结合传统时序建模和注意力机制的轻量化架构，适合低资源场景的部署；本发明实现了光伏发电多源数据的特征提取和融合，实现了准确轻量的发电功率预测，从而使农村地区小型的集中式光伏发电站的管理者能够在移动终端上对光伏发电功率进行实时的监控和准确高效的预测，以便做出相应的能源管理决策。

本发明授权一种轻量级的多源数据融合的光伏发电功率预测方法及系统在权利要求书中公布了：1.一种轻量级的多源数据融合的光伏发电功率预测方法，其特征在于，包括以下步骤： S1.数据采集：获取集中式光伏发电站的卫星云图、地基云图、气象数据以及光伏发电功率历史数据，构建数据集并进行数据预处理； S2.提取多源数据的特征，组成多源数据集：采用动态云追踪法提取卫星云图中云的运动特征，包括云的速度和方向；采用多尺度频域优化云分割方法对云图进行自动阈值分割，提取地基云图中的云量特征；采用互信息法分析光伏发电与气象因子的相互依赖性，提取相关性强的气象因子作为气象特征；采集的运动特征、运量特征、气象特征构建为多源数据集； S3.构建多源数据融合的光伏发电功率预测模型：构建BiGRU-Attention网络，将多源数据的特征进行融合，对光伏发电功率进行预测；具体包括： S31.构建一个BiGRU-Attention网络对多源数据特征进行融合和光伏发电功率的预测，所述BiGRU-Attention网络包括输入层、双向GRU层、特征注意力机制层和全连接层，并使用误差反向传播算法对网络进行优化； S32.输入层用于接收来源于卫星云图的云运动特征、来源于地基云图的云量特征、来源于气象部门的气象特征以及光伏发电功率历史数据，按照时间序列的方式对各特征进行合并，形成输入特征矩阵： 式中，为云的运动速度，为云的运动方向，为云量，为优选的气象因子，是光伏发电功率；为数据个数，为输入特征矩阵； S33.双向GRU层则用于捕捉时间序列的双向上下文信息，得到前向和后向的隐藏状态，并将双向GRU层输出的每个时间步隐藏状态映射到特征维度： ， ， ， ； 式中，为前向的隐藏状态，为后向的隐藏状态，为权重矩阵，为偏置矩阵，为双向GRU层的输出； S34.特征注意力机制层用来调整多源数据特征的权重，并对多源数据的特征进行加权得到全局特征： 式中，为多源数据特征的权重，N为特征向量的维数； S35.最后通过全连接层将特征映射到光伏发电功率中： 式中，、为全连接层的权重矩阵和偏置，为光伏功率输出； S4.训练光伏发电功率预测模型：将多源数据集划分为训练集和测试集，利用训练集对多源数据融合的光伏发电功率预测模型进行训练，利用测试集对光伏发电功率预测模型进行评估，当光伏发电功率预测模型的精度达到设定阈值时，训练终止； S5.使用训练好的光伏发电功率预测模型，对集中式光伏发电站的光伏发电功率进行预测。

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东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。