買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜北京中恒博瑞數字電力科技有限公司申請的專利基于深度學習的風電機組功率智能預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN113988421B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111269371.6，技術領域涉及：G06Q10/04；該發明授權基于深度學習的風電機組功率智能預測方法是由張偉;黃小文;鐘劍財;于瑞豐;高飛;周慶捷;仇向東;張永浩設計研發完成，并于2021-10-29向國家知識產權局提交的專利申請。

本基于深度學習的風電機組功率智能預測方法在說明書摘要公布了：本發明涉及功率預測技術領域，提出了基于深度學習的風電機組功率智能預測方法，包括數據輸入、數據融合、數據歸一化處理、計算相關系數和權重、篩選出相關性較強的樣本作為功率預測模型的訓練樣本，訓練得到運算較為準確的功率預測模型，通過功率預測模型可以準確有效的輸出預測功率值。通過風電功率預測系統的預測結果，電網調度部門可以合理安排發電計劃，減少系統的旋轉備用容量，提高電網運行的經濟性，同時通過提前預測風電功率的波動，合理安排運行方式和應對措施，提高電網的安全性和可靠性。

本發明授權基于深度學習的風電機組功率智能預測方法在權利要求書中公布了：1.基于深度學習的風電機組功率智能預測方法，其特征在于，包括功率預測模型的訓練步驟，步驟100：輸入多組同一時刻的特征樣本和目標樣本，特征樣本包括風電機組的功率數據，目標樣本包括風電機組的氣象數據和場站測風數據；步驟200：將特征樣本和目標樣本以時間段為關聯條件，進行關聯融合，輸出數據寬表；步驟300：將數據寬表輸入到歸一化模型，輸出歸一化后的數據寬表，歸一化后的數據寬表中每個樣本值，其中，為所有時刻的最大樣本值，為所有時刻的最小樣本值，為原樣本值；步驟400：根據歸一化后的數據寬表，將相關系數與集成學習算法結合，首先通過GBDT算法計算特征因子權重大小，同時運用Pearson相關性系數，分析輸入特征與目標字段的相關性大小，即計算目標樣本與特征樣本的相關系數和權重，將相關系數小于相關系數設定值的目標樣本和權重小于權重設定值的目標樣本剔除數據寬表；步驟500：基于雙向LSTM網絡構建風電機組功率預測模型，將數據寬表中剩下的目標樣本和特征樣本輸入到風電機組功率預測模型進行訓練，輸入t-1時刻的特征樣本，輸出t時刻對應的目標樣本，將拆分的功率特征納入雙向LSTM進行迭代計算；將功率拆分為如下公式：，其中為實時功率，為趨勢項，反應的變化趨勢，為周期項，反應的周期性變化，為隨機項，反應的穩定性；步驟600：計算風電機組功率預測模型的均方根誤差和可決系數值，當均方根誤差小于均方根誤差設定值且可決系數值大于可決系數設定值時，訓練完成，得到功率預測模型；所述步驟400包括，步驟401：計算數據寬表中氣象數據、測風數據與功率數據之間的相關系數，其中n為樣本數量，為特征樣本值，為特征樣本均值，為目標樣本值，為目標樣本均值，為特征樣本值標準差，為目標樣本值標準差；步驟402：將相關系數與特征因素納入二階泰勒展開式，并計算信息熵，其中為樣本x所屬類別的概率值；步驟403:利用GBDT多個基分類器權重計算思想，將信息熵納入權重計算公式，（i=1,2，…，k）其中為每個特征的信息熵大小。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京中恒博瑞數字電力科技有限公司，其通訊地址為：100085 北京市海淀區上地三街9號金隅嘉華大廈D座612；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。