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！

龍圖騰網恭喜青海大學申請的專利一種短期風電功率組合模型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：CN114330915B 。

龍圖騰網通過國家知識產權局官網在2025-04-01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：202111677165.9，技術領域涉及：G06Q10/04；該發明授權一種短期風電功率組合模型預測方法是由陳來軍;薛小代;馬恒瑞;任博文設計研發完成，并于2021-12-31向國家知識產權局提交的專利申請。

本一種短期風電功率組合模型預測方法在說明書摘要公布了：本發明公開了一種短期風電功率組合模型預測方法，包括以下步驟：根據NWP數據和真實歷史風電功率數據y構建訓練集X1，將訓練集X1輸入XGBoost預測模型中獲取預測風電功率值y1；在訓練集X1的基礎上，構建時間序列數據結構的訓練集X2；將訓練集X2輸入LSTM預測模型獲取預測風電功率值y2；根據y、y1和y2獲得特征w1和w2；將y1和y2作為輸入，特征w1和w2作為輸出，構建并訓練LSTM?XGBoost動態權值組合模型；分析訓練集X1中各項特征對于風電功率的影響程度，獲取不同高度的風速作為重要特征；將y1、y2和不同高度的風速輸入到訓練好的LSTM?XGBoost動態權值組合模型中，獲取預測風電功率值Y。本發明提供的LSTM?XGBoost組合模型相比于單一預測模型預測的風電功率更準。

本發明授權一種短期風電功率組合模型預測方法在權利要求書中公布了：1.一種短期風電功率組合模型預測方法，其特征在于，包括以下步驟：根據NWP數據和真實歷史風電功率數據y構建訓練集X1；通過XGBoost預測模型，輸入訓練集X1獲取預測風電功率值y1；在訓練集X1的基礎上，構建時間序列數據結構的訓練集X2；通過LSTM預測模型，輸入訓練集X2獲取預測風電功率值y2；根據真實歷史風電功率數據y、預測風電功率值y1和預測風電功率值y2獲得特征w1和w2；將預測風電功率值y1和預測風電功率值y2作為輸入，將特征w1和w2作為輸出，構建并訓練LSTM-XGBoost動態權值組合模型；采用Pearson相關系數法分析訓練集X1中各項特征對于風電功率的影響程度，獲取不同高度的風速作為重要特征，所述獲取不同高度的風速作為重要特征包括以下具體步驟：將訓練集X1中的各項特征，輸入到Pearson相關系數公式中，得到各項特征與其它特征的相關系數數據；將相關系數數據通過熱力圖方式實現可視化分析，通過分析得出不同高度的風速與風電功率是一種強正相關的聯系，因此將不同高度的風速作為分析獲得的重要特征；將預測風電功率值y1、預測風電功率值y2和不同高度的風速輸入到訓練好的LSTM-XGBoost動態權值組合模型中，獲取預測風電功率值Y，所述獲取預測風電功率值Y包括以下步驟：將不同高度的風速的作為輸入特征之一，同時將LSTM預測模型中輸出的預測風電功率值y1和XGBoost預測模型中輸出的預測風電功率值y2也作為輸入特征之一輸入到訓練好的LSTM-XGBoost動態權值組合模型中，輸出特征w1和w2；將輸出特征w1和w2帶入公式3中，獲取最終預測風電功率值Y；Y＝w1*y1+w2*y23。

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青海大學，其通訊地址為：810016 青海省西寧市寧大路251號；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”。