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！

龙图腾网获悉上海能源科技发展有限公司申请的专利基于深度学习的长期新能源日均发电功率预测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：CN116029419B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211501469.4，技术领域涉及：G06Q10/04；该发明授权基于深度学习的长期新能源日均发电功率预测方法及系统是由李婉嘉;王健;耿福海;许晓林;王宁;汪佳伟;段森;何炜炜;马越;李霄设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本基于深度学习的长期新能源日均发电功率预测方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的长期新能源日均发电功率预测方法及系统，该方法包括：获取目标区域的历史新能源发电功率数据和历史数值天气预报数据，构建新能源发电功率样本时间序列和多维时空特征指标数据样本序列；搭建长期功率预测模型，以新能源发电功率样本时间序列和多维时空特征指标数据样本序列为训练样本集进行训练；搭建日均功率预测模型，以新能源发电功率样本时间序列为训练样本集进行训练；将获取的数值天气预报数据输入训练完成的功率预测模型中，得到预测的长期新能源日均发电功率。本发明通过建立目标区域长期功率预测模型和日均功率预测模型，根据预测的数值天气预报数据，实现对目标区域的新能源日均发电功率的精准预测。

本发明授权基于深度学习的长期新能源日均发电功率预测方法及系统在权利要求书中公布了：1.一种基于深度学习的长期新能源日均发电功率预测方法，其特征是，包括： 获取目标区域的历史新能源发电功率数据和历史数值天气预报数据，构建新能源发电功率样本时间序列和多维时空特征指标数据样本序列；所述多维时空特征指标数据样本序列的构建过程为：获取目标区域的历史数值天气预报数据，筛选影响新能源发电功率的特征指标，根据特征指标选取历史数值天气预报数据，构建多维时空特征指标数据样本序列，最终形成数据维度为时间、经度、维度、指标的多维时空特征指标数据样本序列； 搭建长期功率预测模型，以新能源发电功率样本时间序列和多维时空特征指标数据样本序列为训练样本集进行训练；所述长期功率预测模型为基于2DCNN-GRU的深度神经网络模型，该模型的训练过程为： 利用具有相同时间尺度的新能源发电功率样本时间序列和多维时空特征指标数据样本序列对模型进行训练，以均方误差作为损失函数，利用Adam梯度下降法进行迭代优化，直至损失函数的数值收敛或达到最大迭代次数，完成模型的训练； 所述长期为30天-60天； 搭建日均功率预测模型，以新能源发电功率样本时间序列为训练样本集进行训练；所述日均功率预测模型的训练过程为： 根据新能源发电功率样本时间序列，构建新能源日均发电功率样本时间序列； 以新能源发电功率样本时间序列和新能源日均发电功率样本时间序列维训练样本集，利用训练样本集对模型进行训练； 以均方误差作为损失函数，利用Adam梯度下降法进行迭代优化，直至损失函数的数值收敛或达到最大迭代次数，完成模型的训练； 所述日均功率预测模型的结构包括输入层、输出层和隐藏层，隐藏层设置四层，每层神经元个数分别是96、64、32、16，每层以ReLU函数作为激活函数，同时选取了BatchNormalization和Dropout项组合的方式防止模型提早出现过拟合现象； 将获取的目标区域在未来时间段的数值天气预报数据输入训练完成的长期发电功率预测模型中，得到预测的长期新能源发电功率，再将所述长期新能源发电功率输入至日均功率预测模型中，得到预测的长期新能源日均发电功率；所述长期功率预测模型用于根据输入的未来数值天气预报数据，输出与数值天气预报数据相同时间尺度的长期新能源发电功率预测结果；所述日均功率预测模型用于根据输入的长期新能源发电功率预测值，输出长期新能源日均发电功率预测结果。

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上海能源科技发展有限公司，其通讯地址为：200233 上海市闵行区田林路888弄7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。