Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 四川大学朱峻嬉获国家专利权

四川大学朱峻嬉获国家专利权

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!

龙图腾网获悉四川大学申请的专利一种基于VMD-ISSA-BiGRU的光伏发电功率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:CN121124032B

龙图腾网通过国家知识产权局官网在2026-03-03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:202511657044.6,技术领域涉及:H02J3/00;该发明授权一种基于VMD-ISSA-BiGRU的光伏发电功率预测方法是由朱峻嬉;李世龙;钮天宸;罗天;王嘉铭;陈仕军设计研发完成,并于2025-11-13向国家知识产权局提交的专利申请。

一种基于VMD-ISSA-BiGRU的光伏发电功率预测方法在说明书摘要公布了:一种基于VMD‑ISSA‑BiGRU的光伏发电功率预测方法,涉及新能源发电技术领域,包括获取光伏功率序列和气象数据序列;对光伏功率序列进行变分模态分解;对各本征模态分量及气象数据序列,分别提取时序特征,且分析各时序特征与功率输出的相关性;采用ISSA优化BiGRU‑Transformer模型的超参数;基于优化后的超参数和保留的时序特征,构建BiGRU‑Transformer模型;将本征模态分量分别输入至BiGRU‑Transformer模型进行计算,得到各分量的预测值;将所有分量的预测结果进行线性重构,得到光伏功率预测序列;其用于解决传统预测精度低,且动态处理能力差的问题。

本发明授权一种基于VMD-ISSA-BiGRU的光伏发电功率预测方法在权利要求书中公布了:1.一种基于VMD-ISSA-BiGRU的光伏发电功率预测方法,其特征在于,具体包括: 获取光伏功率序列和气象数据序列,将原始数据按照8:1:1的比例划分为训练集、验证集和测试集,并对数据预处理; 对光伏功率序列进行变分模态分解,获得8个本征模态分量; 对各本征模态分量及气象数据序列,分别提取时序特征,且使用皮尔逊相关系数分析各时序特征与功率输出的相关性,保留相关系数绝对值大于0.3的时序特征; 采用ISSA优化BiGRU-Transformer模型的超参数,具体过程为: S1.设定ISSA算法参数、确定待优化的超参数及其搜索范围和定义适应度函数; S2.采用Circle混沌映射生成初始麻雀种群; S3.设置当前迭代次数; S4.对于种群中的每一个个体,使用其代表的超参数组合构建BiGRU-Transformer模型,并在验证集上计算其适应度值; S5.根据适应度值对当前种群进行排序,将适应度最优的前20%划分为发现者,剩余的划分为跟随者,并根据警戒机制,从种群中随机选择10%的个体作为侦察者; S6.分别更新发现者、跟随者和侦察者的位置,且检查所有新生成个体的位置,确保其不超出预设的超参数搜索范围; S7.比较当前所有个体的适应度值,若存在优于当前全局最优解的个体,则更新最优解和其对应的最优适应度; S8.令,若,则返回S4;若否则终止迭代,输出全局历史最优位置; 基于优化后的超参数和保留的时序特征,构建BiGRU-Transformer模型: BiGRU-Transformer模型包括BiGRU部分和Transformer部分; 其中BiGRU部分为在GRU的基础上采用双向架构,计算公式为: 式中,和分别表示BiGRU网络在时间步t和i的隐藏状态,包含了网络到当前时间步为止学到的序列信息;代表前向隐藏状态序列,代表反向隐藏状态序列; 引入自适应时序嵌入,用于向Transformer部分拼接时间特征向量,数学公式为: 式中为归一化时间偏移量;为日周期规律编码;为月周期规律编码;为年周期规律编码; 引入气象注意力模块,用于向Transformer部分拼接加权后的气象表征,数学公式为: 式中为原始的气象数据,为气象因子的注意力权重,数学公式为: 式中,表示历史光伏功率序列经过BiGRU编码后在当前时间步的隐藏状态;表示当前时间步的原始气象数据向量;表示向量拼接操作,将功率特征与气象特征融合为联合表征;为第一层线性变换的权重和偏置,为激活函数;为第二层线性变换的权重和偏置;为Sigmoid激活函数; 将8个本征模态分量分别输入至BiGRU-Transformer模型进行计算,得到各分量的预测值,具体包括: 由BiGRU部分捕捉某一本征模态分量中时序特征的局部依赖关系; 将处理后的结果输入到Transformer部分; 由Transformer部分捕捉本征模态分量中时序特征的全局依赖关系,获得预测值; 将所有分量的预测结果进行线性重构,得到光伏功率预测序列。

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四川大学,其通讯地址为:610065 四川省成都市武侯区一环路南一段24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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。