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！

龙图腾网获悉长沙理工大学申请的专利一种太阳直接法向辐射预测方法及装置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：CN118332358B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202410438989.8，技术领域涉及：G06F18/23；该发明授权一种太阳直接法向辐射预测方法及装置是由周育才;周灿;肖添;谢七月;申忠利;付强;秦缘恒;唐龙辉;张学位设计研发完成，并于2024-04-12向国家知识产权局提交的专利申请。

本一种太阳直接法向辐射预测方法及装置在说明书摘要公布了：本申请提供一种太阳直接法向辐射预测方法及装置，方法包括以下步骤：获取历史气象数据集，对历史气象数据进行预处理：对历史气象数据集中太阳直接法向辐射为0的时段对应的历史气象数据进行删除；若历史气象数据集中存在缺失数据，且缺失数据为数值型数据，缺失数据对应的参数类别的偏度值的绝对值大于预设偏度值时，采用该类参数的中位数填补该缺失数据，缺失数据对应的参数类别的偏度值的绝对值小于或等于预设偏度值时，采用该类参数的均值填补该缺失数据；利用预处理后的历史气象数据集优化训练LightGBM模型，得到最终预测模型进行预测，对数据进行预处理减少太阳直接法向辐射的间歇性与不确定性的影响，提高预测精度。

本发明授权一种太阳直接法向辐射预测方法及装置在权利要求书中公布了：1.一种太阳直接法向辐射预测方法，其特征在于，包括以下步骤： 获取预测区域的某个时间段内的历史气象数据，并组成历史气象数据集，历史气象数据集包括多类参数； 对历史气象数据进行预处理，包括： 对所述历史气象数据集中太阳直接法向辐射为0的时段对应的历史气象数据进行删除； 若历史气象数据集中存在缺失数据，且缺失数据为数值型数据，缺失数据对应的参数类别的偏度值的绝对值大于预设偏度值时，采用历史气象数据集中该类参数的中位数填补该缺失数据，缺失数据对应的参数类别的偏度值的绝对值小于或等于预设偏度值时，采用历史气象数据集中该类参数的均值填补该缺失数据； 利用聚类算法对预处理后的历史气象数据进行聚类，根据聚类结果对历史气象数据集进行分类，得到多类的气象数据集；将多类的气象数据集划分为训练集和验证集； 利用所述训练集、验证集训练优化LightGBM模型，得到最终预测模型； 将预测当天的气象数据作为最终预测模型的输入，预测得到当天的太阳直接法向辐射值； 利用霜冰优化算法优化所述LightGBM模型的最佳超参数； 所述利用所述训练集、验证集训练优化LightGBM模型后，还包括: 基于训练优化后的LightGBM模型，通过学习拟合分别建立各类气象数据集的太阳直接法向辐射预测子模型；最终预测模型包括各类气象数据集的太阳直接法向辐射预测子模型； 将预测当天的气象数据作为最终预测模型的输入，预测得到当天的太阳直接法向辐射值，包括： 计算实时气象数据与各类所述气象数据集的聚类中心的欧式距离，将实时气象数据输入到欧氏距离最小的聚类中心对应的太阳直接法向辐射预测子模型，并预测得到太阳直接法向辐射值； 所述利用霜冰优化算法优化所述LightGBM模型的最佳超参数，包括： 定义超参数空间，初始化超参数； 使用软霜搜索策略更新种群； 采用硬霜穿刺机制，实现粒子间的信息交换； 利用正贪婪机制，寻找最优解； 重复执行，直至达到迭代次数，输出最佳超参数组合； 所述通过学习拟合分别建立各类气象数据集的太阳直接法向辐射预测子模型，包括： 初始化网络参数； 使用单边梯度采样算法剔除每类气象数据集中权重较小的历史气象参数； 使用互斥捆绑算法降低历史气象数据集中参数的类别数量； 采用带深度限制的Leaf‑wise决策树生长策略、直方图算法拟合残差树； 达到迭代次数停止拟合； 基于不同类别对应的气象数据集建立太阳直接法向辐射预测子模型。

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长沙理工大学，其通讯地址为：410004 湖南省长沙市天心区赤岭路45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。