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！

龙图腾网获悉山东大学申请的专利基于多元数据跨模态融合的区域分布式光伏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：CN121637430B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610129831.1，技术领域涉及：G06F18/25；该发明授权基于多元数据跨模态融合的区域分布式光伏功率预测方法及系统是由于一潇;孙锲;杨明;王传琦;李梦林设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本基于多元数据跨模态融合的区域分布式光伏功率预测方法及系统在说明书摘要公布了：本发明涉及基于多元数据跨模态融合的区域分布式光伏功率预测方法及系统，属于光伏功率预测技术领域。首先通过AG‑CNN的动态感知卷积核，实现气象数据空间特征与功率数据空间异质性的适配提取，为跨模态融合提供高质量空间基础；其次，利用DR‑Transformer的双维度动态注意力机制，深度挖掘“历史功率时序‑未来气象驱动”的跨模态关联，通过动态权重分配适配不同场景下的融合需求，同时捕捉长周期内的关联演化；再者，设计跨模态特征桥接模块；最后，在典型场景下验证模型鲁棒性，确保其满足电网多尺度调度的精度需求。

本发明授权基于多元数据跨模态融合的区域分布式光伏功率预测方法及系统在权利要求书中公布了：1.基于多元数据跨模态融合的区域分布式光伏功率预测方法，其特征在于，步骤为： 1时空数据网格化一致性处理，收集原始的气象数据和历史功率数据，并进行数据标准化，然后以统一地理坐标为基准，实现气象数据与历史功率数据的空间关联； 空间关联：结合光伏阵列与气象监测点的覆盖范围，基于气象数据的空间尺度，将光伏板的地理位置与对应气象区域匹配，使功率数据与气象数据形成网格化空间关联，同时，按预测粒度的时间轴对数据进行时间对齐，剔除异常数据，形成时空双维度对齐的输入结构； 2基于动态感知卷积的AG-CNN空间特征对数据进行自适应提取，AG-CNN以统一的基础空间基准为依托，通过动态特征感知与跨区域信息融合实现局部建模； 以网格单元为基础空间索引，AG-CNN的卷积核通过可学习参数实时适配不同网格单元内的站点分布密度与特征波动模式； AG-CNN的卷积核权重由空间相对位置偏移的高斯函数与可学习参数协同构建： 2 其中，i，j表示空间相对位置偏移量，i为水平方向空间相对位置偏移量，j为垂直方向空间相对位置偏移量，σg为高斯核带宽，si，j为偏移区域与目标区域的特征相似度，θ为可学习参数，α=5，用于平衡空间位置关联性与特征模式相似性的影响，在特征图上执行卷积操作时，输出特征自适应融合目标区域与周边关联区域的信息： 3 其中，yx，y为输出特征图中目标区域的特征值，xx+i，y+j为输入特征图中周边关联区域的特征； 3跨模态特征桥接模块设计，通过自适应投影-特征重参数化-时空融合门控的三级处理流程，将AG-CNN输出的高维局部特征转化为DR-Transformer可解析的时空token序列，同时保留关键空间细节与跨区域关联信息； 4融入双维度动态注意力的DR-Transformer时序关联建模，DR-Transformer以空间维度+时序维度动态注意力机制为核心，深度融合历史功率的长时序依赖与未来气象数据的驱动作用，实现气象-功率跨模态时空特征的精准耦合，得到分布式光伏系统的总功率预测结果； DR-Transformer通过编码器-解码器结构实现历史功率-未来气象的跨模态关联建模； 编码器接收跨模态特征桥接模块输出的序列，处理历史功率与空间特征，通过动态空间注意力捕捉区域间的隐性关联与长时序依赖，其采用多层堆叠结构：底层引入动态窗口划分策略，通过窗口内注意力计算强化局部区域的时序关联；上层采用全局注意力捕捉长距离时间依赖，每层包含多头动态空间注意力与前馈神经网络，其中，注意力权重同时受区域相对位置与功率特征相似度调制； 解码器处理未来时间步的气象数据，在掩码自注意力机制约束下，通过交叉注意力将气象特征与编码器输出的历史特征动态耦合，其采用多层堆叠结构，每层由多头掩码自注意力、多头交叉注意力与前馈神经网络组成：掩码自注意力确保气象序列的时序因果性；交叉注意力通过动态关联系数调整权重，通过线性投影层将编码器与解码器特征映射至相同维度后，交叉注意力实现历史功率趋势与未来气象驱动的精准关联，输出融合全局时空信息的特征； 最后，输出层将融合后的特征通过全连接层转换为未来多个时间步的区域级功率预测值，再根据各区域的光伏装机容量加权汇总，得到分布式光伏系统的总功率预测结果，完成从输入数据到预测输出的全流程。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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。