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！

龙图腾网获悉西南科技大学;中化学西南工程科技有限公司申请的专利一种通过FECAM-SERTCN增强特征提取的光伏功率短期多步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：CN120855335B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202511375301.7，技术领域涉及：H02J3/00；该发明授权一种通过FECAM-SERTCN增强特征提取的光伏功率短期多步预测方法是由时浩添;张卓;黄琦;朱玉玉;刘春梅;于春梅;蔡东升;李珂;陈蕾;喻翌;曹文;李浩然;熊维斌;汪波;伍后光;陈金凤;刘兴木设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本一种通过FECAM-SERTCN增强特征提取的光伏功率短期多步预测方法在说明书摘要公布了：本发明属于电力系统功率预测领域，公开了一种通过FECAM‑SERTCN增强特征提取的光伏功率短期多步预测方法，包括以下步骤：从光伏电站获取气象数据和实际光伏功率数据，并进行预处理，得到处理后气象数据和处理后功率数据；通过皮尔逊相关系数矩阵分析处理后气象数据和处理后功率数据之间的相关性，并基于相关性选择预测因子；构建FECAM‑SERTCN特征提取网络，并基于预测因子获取频率特征，然后对频率特征进行特征增强，得到增强后特征信息；构建Transformerencoder预测模型，基于增强后特征信息进行功率预测，得到预测结果。

本发明授权一种通过FECAM-SERTCN增强特征提取的光伏功率短期多步预测方法在权利要求书中公布了：1.一种通过FECAM-SERTCN增强特征提取的光伏功率短期多步预测方法，其特征在于，包括以下步骤： 从光伏电站获取气象数据和实际光伏功率数据，并进行预处理，得到处理后气象数据和处理后功率数据； 通过皮尔逊相关系数矩阵分析所述处理后气象数据和所述处理后功率数据之间的相关性，并基于所述相关性选择预测因子； 构建FECAM-SERTCN特征提取网络，并基于所述预测因子获取频率特征，然后对所述频率特征进行特征增强，得到增强后特征信息； 构建Transformerencoder预测模型，基于所述增强后特征信息进行功率预测，得到预测结果； 所述FECAM-SERTCN特征提取网络包括：FECAM模块和SERTCN模块； 所述SERTCN模块由TCN网络模型和SENet网络模型构成，将所述SENet网络模型与所述TCN网络模型中的时间块进行融合得到所述SERTCN模块； 所述FECAM模块的工作流程包括： 给定输入特征张量，其中，B表示批量大小，C表示通道数，L表示时间序列长度，R表示实数集； 对每个通道上的特征张量进行移位离散余弦变换，得到对应的频域特征： ， 其中，Fi表示各通道的频域特征，DCT·表示移位离散余弦变换，i表示各通道； 将所有通道的初始频域特征进行堆叠得到频域特征张量Freq，并通过两层的前馈网络对频率特征进行建模，学习通道-频率维度的重要性，得到注意力权重： ， 其中，A表示注意力权重，σ·表示Sigmoid激活函数，δ·表示ReLU激活函数，W1和W2表示全连接权重矩阵； 将所述注意力权重逐元素作用于所述特征张量中，得到所述频率特征； 所述TCN网络模型由因果卷积、扩张卷积和残差连接构成； 所述因果卷积为： ， 其中，yt表示因果卷积结果，K表示卷积核的大小，wk表示卷积核在位k的权重系数，t表示当前计算的时间步，k表示卷积核内部的索引，xt-k表示输入信号x在时间步t-k的值； 所述扩张卷积为： ， 其中，gt表示扩张卷积结果，d表示扩张率，xt-d·k表示输入信号在时间步t-d·k的值； 所述SENet网络模型中： 全局平均池化将全局空间信息进行空间维度压缩，生成每个通道的全局描述向量，得到压缩向量z∈RC； 基于所述压缩向量z∈RC，学习通道间的非线性关系，生成权重向量； 通过全连接层和激活函数建模通道相关性，得到各通道的重要性权重s： ， 其中，zc第c通道的全局特征，Xc,l表示第c通道在位置l的特征值，W1和W2表示为两层全连接权重矩阵； 最后将所述重要性权重s重新应用于原始特征图，对每个通道进行逐元素缩放,得到最终的输出特征。

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西南科技大学;中化学西南工程科技有限公司，其通讯地址为：621010 四川省绵阳市涪城区青龙大道中段59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。