专利交易市场

融合空间感知回归与跨视角知识迁移的光伏功率预测方法，包括：S1.采集图像序列数据，进行预处理；S2.搭建特征提取架构和空间语义映射与回归网络，空间语义映射与回归网络连接在目标时空特征提取网络的输出端；S3.以参考高分辨率特征提取网络为监督源，将目标时空特征提取网络的中间层特征投影至参考特征空间，计算多尺度复合蒸馏损失，结合功率预测损失构建联合目标函数，对目标时空特征提取网络和空间语义映射与回归网络进行参数的协同更新；S4.阻断参考高分辨率特征提取网络的数据通路，将测试集的第一分辨率图像序列输入训练好的目标时空特征提取网络，并传输至空间语义映射与回归网络直接输出光伏功率预测值。

本发明公开了一种基于广域协同训练的分布式光伏功率预测方法，包括：步骤S1，采用皮尔逊相关系数计算光伏功率与各气象数据之间的相关性系数，并基于相关性系数从原始数据中选取相关性大于阈值的气象数据以及对应的光伏功率；步骤S2，基于选取的相关性大于阈值的气象数据以及对应的光伏功率，对融合TimesNet特征提取网络和时序卷积网络的混合功率预测模型进行训练，得到分布式光伏功率预测模型；步骤S3，基于广域协同训练策略，对目标区域内各个光伏电站的分布式光伏功率预测模型进行广域协同训练，得到广域光伏功率预测模型，基于广域光伏功率预测模型得到分布式光伏功率预测结果。本发明能够提升光伏功率预测模型的精度和泛化能力。

本发明公开了一种基于深度傅里叶网络的超短期光伏功率预测系统，其包括：卷积层，用于对历史数据进行维度变换，统一数据的维度；位置编码层，用于对历史数据进行位置编码；深度傅里叶变换模块，包括串联的残差傅里叶模块和残差前馈神经网络模块，残差傅里叶模块包括傅里叶变换层，残差前馈神经网络模块包括前馈神经网络层，残差傅里叶模块和残差前馈神经网络模块均包括层归一化层；第一全连接层，用于在时间轴维度上对深度傅里叶变换模块输出的数据进行全连接；第二全连接层，用于在空间轴维度上对第一全连接层输出的数据进行全连接，输出下一个采样点的功率输出预测值。本发明具有预测精度高和准确性高的优点。

本发明公开了交换机技术领域的一种便于安装的光伏功率预测用交换机，包括交换机箱，所述交换机箱的内壁设置限位框架，所述限位框架包括相互交叉设置的横向框架与竖向框架，所述限位框架的顶部活动设置支撑板块，所述支撑板块的顶部左右两侧均设置紧固装置，所述支撑板块顶部的中部位置设置交换机，所述限位框架中横向框架的前端设置分选装置，可以方便的对交换机进行安装，同时也方便的在交换机损坏时对交换机进行维修，可以方便的对线缆进行分选放置，可以保证交换机在进行排线时，线缆不会相互交错缠绕在一起，可以有效的防止灰尘进入交换机中，在交换机进行工作时，可以运转风机，从而对交换机进行散热。