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！

龙图腾网获悉国网山西省电力公司电力科学研究院申请的专利基于多变量时序分解与多模型的光伏发电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：CN118657243B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410681523.0，技术领域涉及：G06Q10/04；该发明授权基于多变量时序分解与多模型的光伏发电功率预测方法是由暴悦爽;王金浩;程雪婷;郭浩;郑惠萍;刘新元;常潇;王玮茹;薄利明;芦耀辉;常泽洲;李梓豪设计研发完成，并于2024-05-29向国家知识产权局提交的专利申请。

本基于多变量时序分解与多模型的光伏发电功率预测方法在说明书摘要公布了：本发明属于信息技术领域，公开了一种基于多变量时序分解与多模型组合的光伏发电功率预测方法，该方法包括：相关性筛选、季节性趋势分解、时域和频域注意力、多模型融合预测、零出力调整。本发明确定基于多变量时序分解与多模型组合的预测方法在光伏发电功率预测中具有最优效果。该模型成功整合了STL分解、BiLSTM和TCN、时域和频域注意力机制的优势，既能精细捕捉光伏功率的季节性循环模式，又能准确建模其长期趋势演变，从而实现对光伏功率输出的精准预测，为光伏电站的运行优化、虚拟电厂调度及能源市场决策提供了有力支持。

本发明授权基于多变量时序分解与多模型的光伏发电功率预测方法在权利要求书中公布了：1.一种基于多变量时序分解与多模型组合的光伏发电功率预测方法，其特征在于，该方法包括： S1：相关性筛选；在预测过程的初期阶段，对所有可获取的输入数据进行深入分析； S2：季节性趋势分解；对于筛选出的Top-K相关变量，引入了季节性趋势分解方法进行预处理； S3：时域和频域注意力；利用小波变换针对非平稳信号的独特优势，通过将不同变量的季节项时域数据转换到小波域，并通过注意力机制增强频域特征，将原本在时间序列中难以捕获的季节性波动和极端值展现在频域轴上，以便模型能够更加准确的定位和分配注意力资源；同时，将趋势项和残差项的时域数据分别采用时间注意力，捕捉时间步中的重要信息； S4：多模型融合预测；在STL分解的基础上，对分解出的季节项、趋势项、残差项采用了双向长短期记忆网络和时序卷积网络进行预测：将双向长短期记忆网络预测的季节项结果与时序卷积网络预测的趋势项和残差项结果进行相加，得到对光伏实际功率的综合预测输出； S5：零出力调整；对预测结果根据已知太阳辐照时间段进行了零出力调整；考虑临近日太阳照射的时间基本一致，根据前一天太阳辐照时间段将预测结果中日出前和日落后时间段的数值置零，从而使结果符合实际光伏发电情况； 所述S1具体包括： 采用互信息熵定量评估每个数据变量与目标变量之间的相关程度，基于这些计算结果，提出选取与光伏实际功率相关性最高的Top-K个变量作为后续预测模型的输入； 所述季节性趋势分解方法是一种强大的时间序列分析技术，它能将原始数据分解为三部分：趋势项、季节项和残差项，这种分解有助于揭示各变量内在的时间模式，便于后续针对不同性质的成分采用适宜的预测模型； 所述双向长短期记忆网络通过在时间轴上同时考虑过去与未来的信息，能有效地提取并整合季节性波动特征，适用于捕捉光伏功率输出中的季节性循环模式，提升预测精度；时序卷积网络用于预测趋势项和残差项：利用其特有的因果卷积和膨胀卷积结构； 所述S3中，将趋势项和残差项的时域数据分别采用时间注意力，捕捉时间步中的重要信息包括以下几个关键步骤： 1频域转换；将输入的时域特征通过离散小波变换获取相应的频域特征； 2注意力权重计算；根据频域特征的重要性分配注意力权重，将学习得到的注意力权重应用于频域表示上，即对每个频域成分进行加权操作，增强重要的频域部分，同时削弱重要性不强的部分； 3融合和逆变换；经权重调整后的频域特征经融合操作后逆变换回时域，生成增强的时域特征表示； 4特征拼接；将经过频域注意力机制处理过的特征与原始时域特征相结合，输入到后续的时间序列预测网络中。

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国网山西省电力公司电力科学研究院，其通讯地址为：030032 山西省太原市青年路6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。