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！

龙图腾网获悉通用技术集团工程设计有限公司;山东工研院产业发展有限公司申请的专利基于信息文本特征提取的光伏发电量动态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：CN120073723B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510550092.9，技术领域涉及：H02J3/00；该发明授权基于信息文本特征提取的光伏发电量动态预测方法及系统是由张伟光;张惠敏;刘聪;苏一鸣;谭龙飞;郭衍民;孙传珠;高秋野;刘天成;吕虹朋设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本基于信息文本特征提取的光伏发电量动态预测方法及系统在说明书摘要公布了：本发明公开了基于信息文本特征提取的光伏发电量动态预测方法及系统，包括：S1，预处理光伏发电系统中记录的发电量数据和气象数据；S2，微调模型T5；S3，使用微调模型T5对光伏发电系统中记录的数据进行摘要提取并将其转换为嵌入向量；S4，使用多层感知机MLP根据嵌入向量推荐预测模型的超参数建议；S5，预测模型采用超参数建议进行训练；S6，使用训练好的模型根据发电系统中记录的发电量数据和气象数据和未来的气象数据对未来发电量进行预测。本发明可以提高发电量数据和气象数据的特征提取准确率，提升模型的训练效率，减少计算资源消耗，提高模型的泛化能力和鲁棒性，提升发电量预测的准确性，提高其实际应用价值。

本发明授权基于信息文本特征提取的光伏发电量动态预测方法及系统在权利要求书中公布了：1.一种基于信息文本特征提取的光伏发电量动态预测方法，其特征在于，包括以下步骤： S1，预处理光伏发电系统中记录的发电量数据和气象数据； S2，微调模型T5，使用已有的发电量数据和气象数据训练模型T5； S3，使用S2中微调的模型T5对S1中的发电量数据和气象数据进行摘要提取并转换为嵌入向量；具体情况如下： a、使用微调模型T5对S1中的发电量数据和气象数据进行摘要提取； b、将a中提取的摘要切分为子词单元，即，其中代表文本中的第个子词单元； c、使用微调模型T5的分词器将b中子词单元转换为对应的输入ID，InputIDs的形式为：，其中是开始标记，是分隔符标记； d、微调模型T5的编码器生成c中InputIDs中每个输入ID的嵌入向量，得到嵌入向量集合，其中是第个子词单元的嵌入向量，是隐藏层维度； e、对所有子词单元的嵌入向量进行平均池化得到整个文本的嵌入向量，平均池化的计算公式为： ； 其中是子词单元的数量； f、将e中得到的整个文本的嵌入向量v avg 与其他气象特征x结合，获得输入向量，其中k是气象特征的维度； S4，使用多层感知机MLP根据S3中嵌入向量推荐预测模型Transformer的超参数建议；所述预测模型Transformer是一种基于自注意力机制和前馈神经网络的架构，通过编码器-解码器结构进行序列到序列的映射，利用多头注意力机制捕捉全局依赖关系；所述多层感知机MLP是由多个全连接层和非线性激活函数组成的一种前馈神经网络；使用多层感知机MLP根据S3中嵌入向量生成预测模型Transformer的超参数建议的具体情况如下： a、多层感知机MLP根据S3中的嵌入向量通过向前传播生成动态调整参数即，动态调整参数的计算公式为： ； 其中，和是第一层的权重和偏置，和是第二层的权重和偏置，ReLU是激活函数，Tanh将输出限制在[−1,1]之间； b、使用a中的动态调整参数调整预测模型Transformer中的查询权重矩阵W Query 、键权重矩阵W Key 和值权重矩阵W Value ，权重矩阵动态调整的计算公式为： ； c、使用b中的动态权重矩阵计算查询矩阵Query、键矩阵Key和值矩阵Value，矩阵计算公式为： ； 其中，X是输入特征矩阵； 采用上述步骤，多层感知机MLP根据嵌入向量v avg 生成动态调整参数，然后预测模型采用动态调整参数动态调整查询权重矩阵W Query 、键权重矩阵W Key 和值权重矩阵W Value ，进一步根据动态调整后的矩阵计算查询矩阵Query、键矩阵Key和值矩阵Value； S5，预测模型Transformer采用S4中超参数建议进行模型训练； S6，使用S5中训练好的预测模型Transformer根据已有的发电量数据和气象数据及未来的气象数据对未来的发电量进行预测。

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通用技术集团工程设计有限公司;山东工研院产业发展有限公司，其通讯地址为：250000 山东省济南市天桥区堤口路141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”。