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！

龙图腾网恭喜南京师范大学申请的专利一种半监督学习下的寒潮天气光伏发电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：CN119853021B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510318637.3，技术领域涉及：H02J3/00；该发明授权一种半监督学习下的寒潮天气光伏发电预测方法是由潘睿恒;马刚;黄懿涵;王书艳;霍贻雯;杨若曦设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本一种半监督学习下的寒潮天气光伏发电预测方法在说明书摘要公布了：本发明公开了一种半监督学习下的寒潮天气光伏发电预测方法，包括以下步骤:（1）获取光伏电站历史发电数据及同期气象数据，基于温度骤降特征定义寒潮判别标准；（2）采用Grubbs检验检测并剔除异常值，通过分段三次Hermite插值法补全缺失数据，构建寒潮小样本数据集；（3）利用SMOTE算法对寒潮小样本进行数据扩充，结合K‑medoids聚类筛选高置信度样本，使用标注数据训练初始化CNN‑LSTM模型；（4）采用鲸鱼优化算法WOA优化CNN‑LSTM模型参数，最终输出光伏出力预测结果并进行误差验证；本发明对于新能源功率预测、电网调度等领域的技术研究具有重要意义。

本发明授权一种半监督学习下的寒潮天气光伏发电预测方法在权利要求书中公布了：1.一种半监督学习下的寒潮天气光伏发电预测方法，其特征在于，包括以下步骤： （1）获取光伏电站历史发电数据及同期气象数据，基于温度骤降特征定义寒潮判别标准，将历史数据划分为常规天气与寒潮天气数据集； （2）对寒潮样本进行数据预处理，采用Grubbs检验检测并剔除异常值，通过分段三次Hermite插值法补全缺失数据，构建寒潮小样本数据集； （3）利用SMOTE算法对寒潮小样本进行数据扩充，结合K-medoids聚类筛选高置信度样本，使用标注数据训练初始化CNN-LSTM模型； （4）通过初始化模型生成未标注数据的伪标签，融合标注数据与高置信度伪标签数据，采用鲸鱼优化算法WOA优化CNN-LSTM模型参数，最终输出光伏出力预测结果并进行误差验证。

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南京师范大学，其通讯地址为：210024 江苏省南京市鼓楼区宁海路122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”。