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！

龙图腾网获悉华北电力大学申请的专利基于条件扩散模型的沙戈荒风光节气场景生成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：CN119443987B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411450463.8，技术领域涉及：G06Q10/067；该发明授权基于条件扩散模型的沙戈荒风光节气场景生成方法及系统是由孙英云;周航;黄津钜;朱陈政翰;王千辰;谢忱峥设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本基于条件扩散模型的沙戈荒风光节气场景生成方法及系统在说明书摘要公布了：本发明公开了基于条件扩散模型的沙戈荒风光节气场景生成方法及系统，属于电力系统技术领域，首先，采用二十四节气作为历史时间序列的划分区间，并对每个节气样本赋予标签。其次，基于节气因子的特征提取网络，将节气因子映射为隐空间的特征向量集中，有效保留风光出力的节气规律特性。最后，引入基于小样本学习技术的生成式网络，构建基于条件扩散概率模型C‑DDPM的节气风光场景生成网络，将单个节气特征向量映射的先验分布转化为二十四节气的联合概率分布，采用去噪网络架构捕捉出力的不确定性与时序性，待训练完成后，输入噪声和对应节气标签即可生成节气场景。尤其适用于数据样本稀缺的地区，模型可以通过节气条件和噪声输入生成多样化的风光场景。

本发明授权基于条件扩散模型的沙戈荒风光节气场景生成方法及系统在权利要求书中公布了：1.基于条件扩散模型的沙戈荒风光节气场景生成方法，其特征在于，所述方法包括： 采用二十四节气作为历史时间序列的划分区间，对节气样本进行划分，并对每个节气样本赋予标签； 利用特征提取网络将节气标签映射到隐空间，生成的节气特征向量c作为条件向量； 基于小样本学习的生成式网络，构建了基于条件去噪扩散概率模型C-DDPM的节气风光场景生成网络，将单个节气特征向量映射的先验分布转化为二十四节气的联合分布，通过前向加噪和逆向去噪的迭代过程，捕捉出力的不确定性与时序性，在C-DDPM中输入噪声和节气特征向量𝑐，生成特定节气条件下的风光功率场景，最终，通过对二十四节气数据的协同建模，生成符合每个节气特征的风光功率场景； 所述基于条件去噪扩散概率模型C-DDPM的节气风光场景生成网络由前向过程和逆向过程两部分组成；在前向过程中，通过迭代添加先验噪声，将风光序列转换为高斯噪声z，使其收敛到先验分布，逆向过程通过嵌入节气条件c*将个时间步长从先验分布中去除噪声生成风光序列； 前向过程由马尔可夫链定义，逐渐将高斯噪声添加到风光序列中，直至变成纯噪声；前向过程中任意时刻的只与有关，因此，C-DDPM前向过程定义为： ； 其中，是高斯分布，可表示为： ； 是一个递增方差时间序列，其中表示前向步骤的噪声水平； 令，，通过重新参数化技巧，可得任意噪声水平下采样为： 式中：作为采样噪声； 逆向过程通过嵌入节气条件，对加噪后进行去噪生成，其也遵循马尔可夫链，从可学习的高斯分布开始，其定义为： 两个相邻潜在变量之间的分布表示为： 式中：为共享参数，将参数化： ； ； 式中：为真实的噪声，为的预测值，是可训练的去噪函数，决定当前去噪步骤应去除多少噪声； 所述C-DDPM的训练目标是使得不同扩散步长下实际噪声与预测噪声之间的误差最小，训练过程的目标函数定义为： 。

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华北电力大学，其通讯地址为：102206 北京市昌平区回龙观北农路2号华北电力大学；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。