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！

龍圖騰網恭喜北京華能新銳控制技術有限公司申請的專利基于非線性加權組合的風電短期功率預測方法及裝置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：CN114139783B 。

龍圖騰網通過國家知識產權局官網在2025-04-15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：202111388592.5，技術領域涉及：H02J3/00；該發明授權基于非線性加權組合的風電短期功率預測方法及裝置是由楊繼明;張澈;陳巖磊;曹利蒲;李丹陽設計研發完成，并于2021-11-22向國家知識產權局提交的專利申請。

本基于非線性加權組合的風電短期功率預測方法及裝置在說明書摘要公布了：本發明提供一種基于非線性加權組合的風電短期功率預測方法及裝置。所述方法包括獲取風電場的歷史輸出功率；基于經驗模態分解方法，將歷史輸出功率分解為若干固有模態函數；根據若干固有模態函數，利用LSTM神經網絡建立低頻預測模型；根據若干固有模態函數，利用改進的麻雀搜索算法通過深度置信網絡建立高頻預測模型；利用基于改進的麻雀搜索算法?深度置信網絡建立的神經網絡對低頻預測模型的預測結果和高頻預測模型的預測結果進行整合，以得到風電功率的最終預測模型。本發明提供了一種有效的提取風電功率特征的方法，能夠有效提升風電短期功率預測的準確率，取得了更好的預測精度。

本發明授權基于非線性加權組合的風電短期功率預測方法及裝置在權利要求書中公布了：1.一種基于非線性加權組合的風電短期功率預測方法，其特征在于，所述方法包括：獲取風電場的歷史輸出功率；基于經驗模態分解方法，將所述歷史輸出功率分解為若干固有模態函數；根據所述若干固有模態函數，利用LSTM神經網絡建立低頻預測模型；根據所述若干固有模態函數，利用改進的麻雀搜索算法通過深度置信網絡建立高頻預測模型；利用基于改進的麻雀搜索算法-深度置信網絡建立的神經網絡對所述低頻預測模型的預測結果和所述高頻預測模型的預測結果進行整合，以得到風電功率的最終預測模型；所述基于經驗模態分解方法，將所述歷史輸出功率分解為若干固有模態函數，包括：將所述歷史輸出功率作為訓練樣本確定為原始序列Xt，取得Xt的所有局部最大值和局部最小值，用三次樣條函數進行插值，得到上包絡線emaxt和下包絡線emint，求兩者的均值得到包絡平均曲線m1t；用原始序列Xt減去包絡平均曲線m1t，得到類距平值序列h1t；判斷h1t是否滿足固有模態函數成立的條件，如不滿足，將h1t作為新的Xt，重復上述步驟，直到h1t滿足固有模態函數成立的條件，此時，將h1t作為分解出來的第一階固有模態函數，并將h1t從Xt中分離，得到r1t，其中，r1t＝Xt-h1t；用r1t替換Xt，分解出新的固有模態函數，每次分解后得到的固有模態函數分別為：r2t＝r1t-h2t,...,rnt＝rn-1t-hnt；滿足以下任一條件時分解結束：1rnt或者hnt小于預設閾值，2rnt為單調函數，不可能再從中篩分出固有模態函數；分解結束后，所有的固有模態函數和余量累積相加，得到所述根據所述若干固有模態函數，利用LSTM神經網絡建立低頻預測模型，包括：利用所述若干固有模態函數中的低頻固有模態函數對所述LSTM神經網絡進行訓練，得到所述低頻預測模型，其中，所述LSTM神經網絡的數學表達式為： 其中，ft,it,ot分別為遺忘門、輸入門和輸出門的輸出，表示候選細胞狀態，ct,ht和ct-1,ht-1分別表示當前時間t和前一時間t-1的細胞狀態和細胞輸出，xt為LSTM單元的輸入，為預測輸出，wf,wi,wc,wo,W和bf,bi,bc,bo,b為權重矩陣和偏差向量，為標量乘法，σ為sigmoid激活函數；所述根據所述若干固有模態函數，利用改進的麻雀搜索算法通過深度置信網絡建立高頻預測模型，包括：利用所述改進的麻雀搜索算法獲得所述深度置信網絡的最優權重和偏置；將所述最優權重和偏置代入所述深度置信網絡，對所述若干固有模態函數中的高頻固有模態函數進行訓練，得到所述高頻預測模型。

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華能新銳控制技術有限公司，其通訊地址為：102209 北京市昌平區北七家未來科技城南區華能人才創新創業基地實驗樓B座；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”。