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！

龙图腾网获悉山东电力建设第三工程有限公司申请的专利一种基于密集光流法和深度学习网络的DNI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：CN120522812B 。

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：202511020569.9，技术领域涉及：G01W1/10；该发明授权一种基于密集光流法和深度学习网络的DNI预测方法是由谢宇;魏源;王东祥;邓云鹏设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本一种基于密集光流法和深度学习网络的DNI预测方法在说明书摘要公布了：本发明涉及DNI预测领域，公开了一种基于密集光流法和深度学习网络的DNI预测方法，包括如下步骤：对全天空成像仪采集的图像进行畸变校正；根据前后两个时刻畸变校正后的图像，利用密集光流法计算出当前图像每个像素点的速度；当最大像素速度小于指定速度阈值时，采用静止模型来预测未来时刻的DNI，否则采用运动模型来预测未来时刻的DNI；当采用运动模型时，利用训练好的深度学习网络模型预测未来时刻的晴空指数，然后将未来时刻的晴空指数与未来时刻的晴空DNI相乘即可以得到未来时刻的预测DNI。本发明所公开的方法能够更准确地反映实际DNI的变化，具有更好的预测准确度，适应性强。

本发明授权一种基于密集光流法和深度学习网络的DNI预测方法在权利要求书中公布了：1.一种基于密集光流法和深度学习网络的DNI预测方法，其特征在于，包括如下步骤： 步骤一，对全天空成像仪采集的图像从鱼眼相机成像转换为针孔相机成像，实现畸变校正； 步骤二，根据前后两个时刻畸变校正后的图像，利用密集光流法计算出当前图像每个像素点的速度； 步骤三，当最大像素速度小于指定速度阈值时，采用静止模型来预测未来时刻的DNI，否则采用运动模型来预测未来时刻的DNI； 当采用静止模型时，在当前DNI大于等于指定DNI阈值时，使用晴空DNI函数预测未来时刻的DNI，否则认为未来时刻DNI与当前时刻DNI相等； 当采用运动模型时，利用训练好的深度学习网络模型预测未来时刻的晴空指数，然后将未来时刻的晴空指数与未来时刻的晴空DNI相乘即可以得到未来时刻的预测DNI； 步骤三中，构建的深度学习网络模型采用卷积神经网络模型，该模型的输入包括畸变校正后的全天空图像以及ROI图像；该模型首先对畸变校正后的全天空图像进行下采样，使其像素尺寸与ROI图像相等，通过对齐操作使两个输入在像素级别融合为统一的六通道张量，前三个通道源自ROI图像，后三个通道对应调整后的全天空图像； 该六通道张量被输入到由4个卷积层组成的序列中，每个卷积层通过学习滤波器进行分层特征提取；每个卷积层后通过接的修正线性单元ReLU激活函数来引入非线性特性；随后采用2×2窗口的最大池化操作对特征图进行空间降采样； 在卷积块处理后，提取的空间特征被展平为一维向量，并通过两个全连接层进行处理，最后一层输出DNI晴空指数； 畸变校正后的全天空图像以及ROI图像的获得方法如下： 1对历史采集的全天空成像进行畸变校正，得到畸变校正后的全天空成像； 2对前后两时刻的畸变校正后的全天空成像使用Farnebäck算法计算图像各点的运动速度，对大于指定速度阈值的所有点的速度取平均得到平均云速 3使用太阳位置算法计算太阳的俯仰角和方位角，畸变校正后的全天空成像中太阳的中心坐标到图像中心的距离表示为： 其中，表示畸变校正后的全天空成像对应的针孔相机模型的焦距； 图像中心为时，畸变校正后的全天空成像中太阳的中心坐标则表示为： ； 其中，和分别表示畸变校正后的全天空成像中太阳中心的横、纵坐标； 4根据平均云速、预测时长H和太阳的中心坐标来确定ROI区域，ROI区域的中心坐标表示为： ； ； 其中，和分别表示ROI区域中心的横、纵坐标，和分别表示平均云速在x和y方向的分量； ROI区域为一正方形，边长为畸变校正后的全天空成像中太阳半径的2倍。

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山东电力建设第三工程有限公司，其通讯地址为：266100 山东省青岛市崂山区同安路882-1号鸿泰大厦；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。