買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜福州大學(xué)申請(qǐng)的專利一種基于改進(jìn)ESOA-GA的光伏電站功率短期預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119647548B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510183747.3，技術(shù)領(lǐng)域涉及：G06N3/086；該發(fā)明授權(quán)一種基于改進(jìn)ESOA-GA的光伏電站功率短期預(yù)測(cè)方法是由陳志聰;陳子翔;吳麗君設(shè)計(jì)研發(fā)完成，并于2025-02-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于改進(jìn)ESOA-GA的光伏電站功率短期預(yù)測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于改進(jìn)ESOA?GA的光伏電站功率短期預(yù)測(cè)方法，涉及光伏電站技術(shù)領(lǐng)域，利用ESOA算法隨機(jī)生成初始種群，并結(jié)合特征提取后的數(shù)據(jù)集分析個(gè)體預(yù)測(cè)精度獲取初始適應(yīng)度，在此基礎(chǔ)上，圍繞個(gè)體當(dāng)前位置展開(kāi)局部搜索，通過(guò)計(jì)算偽梯度估計(jì)值對(duì)個(gè)體進(jìn)行更新，這一過(guò)程能夠深度挖掘局部區(qū)域內(nèi)的最優(yōu)解。經(jīng)過(guò)多輪迭代，可有效提升個(gè)體質(zhì)量，初步優(yōu)化各個(gè)體，為后續(xù)的遺傳算法提供優(yōu)質(zhì)的初始種群。在ESOA初步優(yōu)化個(gè)體的基礎(chǔ)上，引入遺傳算法。GA模擬自然選擇過(guò)程，計(jì)算選擇概率篩選待優(yōu)化個(gè)體，通過(guò)交叉操作生成混合個(gè)體，這種方式能在更廣泛的解空間中搜索，避免陷入局部最優(yōu)解。

本發(fā)明授權(quán)一種基于改進(jìn)ESOA-GA的光伏電站功率短期預(yù)測(cè)方法在權(quán)利要求書(shū)中公布了：1.一種基于改進(jìn)ESOA-GA的光伏電站功率短期預(yù)測(cè)方法，其特征在于：包括以下步驟：S1、預(yù)先利用多源渠道收集光伏電站內(nèi)的運(yùn)行數(shù)據(jù)及氣象數(shù)據(jù)，經(jīng)預(yù)處理及存儲(chǔ)后，構(gòu)建數(shù)據(jù)集；S2、利用白鷺群優(yōu)化算法，隨機(jī)生成初始種群，且初始種群內(nèi)包括若干組個(gè)體，并結(jié)合經(jīng)過(guò)特征提取后的數(shù)據(jù)集，分析各個(gè)體的預(yù)測(cè)精度情況，以獲取各個(gè)體的初始適應(yīng)度，基于初始適應(yīng)度數(shù)值，試圖在相應(yīng)個(gè)體當(dāng)前所處的位置周邊展開(kāi)局部搜索過(guò)程，并對(duì)各個(gè)體進(jìn)行更新，通過(guò)對(duì)各個(gè)體更新前后情況進(jìn)行分析，判別相應(yīng)個(gè)體的搜索模式，并經(jīng)迭代獲取初步優(yōu)化的各個(gè)體；S2具體步驟包括有：S21、利用白鷺群優(yōu)化算法，并結(jié)合歷史數(shù)據(jù)組，隨機(jī)生成初始種群，且種群規(guī)模為N，每個(gè)個(gè)體在D維空間中表示，其中，第i個(gè)個(gè)體表達(dá)式為：；其中，i=1，2，...，N；S211、初始種群內(nèi)每個(gè)個(gè)體的各維度值在給定的搜索范圍內(nèi)進(jìn)行隨機(jī)取值，即，j=1，2，...，D，其中，表示搜索范圍下限，表示搜索范圍上限；S22、通過(guò)將未存儲(chǔ)的運(yùn)行數(shù)據(jù)和氣象數(shù)據(jù)標(biāo)記為輸入向量，并結(jié)合每個(gè)個(gè)體內(nèi)的各個(gè)維度值，分別對(duì)輸入層到隱藏層進(jìn)行計(jì)算，以及隱藏層到輸出層進(jìn)行計(jì)算，最終獲取每個(gè)個(gè)體所對(duì)應(yīng)的預(yù)測(cè)功率YP，結(jié)合實(shí)際功率SP，分析各個(gè)體的預(yù)測(cè)精度情況，以獲取各個(gè)體的初始適應(yīng)度，具體按照以下方式獲取： ;式中，n表示監(jiān)測(cè)周期，k=1、2、...、n，表示第k監(jiān)測(cè)時(shí)段的預(yù)測(cè)功率，表示第k監(jiān)測(cè)時(shí)段的實(shí)際功率；S23、基于初始適應(yīng)度數(shù)值，試圖在相應(yīng)個(gè)體當(dāng)前所處的位置周邊展開(kāi)局部搜索過(guò)程，以獲取各個(gè)體在相應(yīng)維度的偽梯度估計(jì)值，具體通過(guò)以下公式獲取： ;式中，表示第i個(gè)個(gè)體內(nèi)第j維度的偽梯度估計(jì)值；表示在第i個(gè)個(gè)體的基礎(chǔ)上，對(duì)其第j維度值增加一個(gè)擾動(dòng)后，重新構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，再用這個(gè)帶有擾動(dòng)后的維度值組合的模型對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)測(cè)，然后根據(jù)S22中獲取初始適應(yīng)度的方式所計(jì)算得到的適應(yīng)度值；表示在第i個(gè)個(gè)體的基礎(chǔ)上，對(duì)其第j維度值去除一個(gè)擾動(dòng)后，重新構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，再用這個(gè)帶有擾動(dòng)后的維度值組合的模型對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)測(cè)，然后根據(jù)S22中獲取初始適應(yīng)度的方式所計(jì)算得到的適應(yīng)度值；表示擾動(dòng)值；S24、各個(gè)個(gè)體根據(jù)各個(gè)體在相應(yīng)維度的偽梯度估計(jì)值進(jìn)行更新，以獲取更新后的各個(gè)個(gè)體，以第i個(gè)個(gè)體為例：；其中，表示更新后的第i個(gè)個(gè)體，表示學(xué)習(xí)率；S3、在S2的基礎(chǔ)上，利用遺傳算法，模擬過(guò)程，計(jì)算初始優(yōu)化的各個(gè)體的選擇概率P，篩選待優(yōu)化個(gè)體，并經(jīng)交叉操作，生成一組混合個(gè)體；S4、根據(jù)混合個(gè)體內(nèi)各維度對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，構(gòu)建出訓(xùn)練及優(yōu)化后的功率預(yù)測(cè)模型，基于訓(xùn)練及優(yōu)化后的功率預(yù)測(cè)模型，獲取最終的預(yù)測(cè)功率。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人福州大學(xué)，其通訊地址為：350100 福建省福州市閩侯縣福州大學(xué)城烏龍江北大道2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。