CNIPA.AI
返回搜索
档案

基于时序大模型预训练和少样本微调的光伏功率预测方法

发明专利未知
2浏览
6权利要求 · 1 独立
§ Ⅰ

卷宗概要

发明人

蔡富杰; 孟琦; 周宇琦; 李轩; 刘伟

申请日

Jul 14, 2026

公开日

Oct 16, 2026

IPC 分类

G06F 18/2433 (2023.01)H02J 3/00 (2026.01)H02J 3/38 (2026.01)G06F 18/10 (2023.01)G06F 18/22 (2023.01)G06N 5/04 (2023.01)H02J 101/24 (2026.01)H02J 103/30 (2026.01)H02J 103/50 (2026.01)G06F 123/02 (2023.01)

本发明公开了基于时序大模型预训练和少样本微调的光伏功率预测方法,涉及数据处理技术领域,包括根据功率数据和有效发电时间段,提取有效功率时序数据集;针对候选微调窗口集中的每个候选微调窗口,确定微调功率时序数据集,对目标时序大模型进行少样本适配处理,将预设上下文窗口输入到适配后时序大模型,得到预测功率数据,根据每个候选微调窗口对应的平均绝对误差和均方根误差,确定目标微调窗口;确定新的预设时间点与目标功率时序数据,对目标时序大模型进行少样本适配处理,将新的预设上下文窗口输入目标适配时序大模型,得到预测功率数据,可以避免因微调数据不足带来的数据冗余或适配不足问题,可以提高预测功率数据的准确性。