買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜長(zhǎng)安大學(xué)申請(qǐng)的專利一種短期風(fēng)電功率的預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119719918B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510222190.X，技術(shù)領(lǐng)域涉及：G06F18/241；該發(fā)明授權(quán)一種短期風(fēng)電功率的預(yù)測(cè)方法是由郝雪麗;裴莉莉;王英英;王巖松;李偉;袁博設(shè)計(jì)研發(fā)完成，并于2025-02-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種短期風(fēng)電功率的預(yù)測(cè)方法在說(shuō)明書摘要公布了：本發(fā)明公開了一種短期風(fēng)電功率的預(yù)測(cè)方法，將第一歷史風(fēng)電數(shù)據(jù)集經(jīng)多維變分模態(tài)分解模型得到本征模態(tài)函數(shù)；基于去冗模型的模型性能評(píng)估獲取最優(yōu)超參數(shù)組合；基于最優(yōu)超參數(shù)組合進(jìn)行本征模態(tài)函數(shù)的去冗，得到目標(biāo)本征模態(tài)函數(shù)；基于第一歷史風(fēng)電數(shù)據(jù)集得到頻域表示的第二歷史風(fēng)電數(shù)據(jù)集；從第二歷史風(fēng)電數(shù)據(jù)集獲取自適應(yīng)的前預(yù)設(shè)數(shù)量個(gè)周期及對(duì)應(yīng)的風(fēng)電數(shù)據(jù)；將對(duì)應(yīng)的風(fēng)電數(shù)據(jù)分解為季節(jié)性成分、趨勢(shì)性成分和殘差成分，并加權(quán)求和得到目標(biāo)季節(jié)性成分、目標(biāo)殘差成分、目標(biāo)趨勢(shì)性成分；將目標(biāo)季節(jié)性成分、目標(biāo)殘差成分、目標(biāo)趨勢(shì)性成分和目標(biāo)本征模態(tài)函數(shù)融合并通過(guò)模型得到預(yù)測(cè)的短期風(fēng)電功率。本發(fā)明提高了對(duì)短期風(fēng)電功率預(yù)測(cè)的準(zhǔn)確率。

本發(fā)明授權(quán)一種短期風(fēng)電功率的預(yù)測(cè)方法在權(quán)利要求書中公布了：1.一種短期風(fēng)電功率的預(yù)測(cè)方法，其特征在于，包括：將第一歷史風(fēng)電數(shù)據(jù)集輸入到多維變分模態(tài)分解模型中，得到預(yù)設(shè)數(shù)量的本征模態(tài)函數(shù)；每個(gè)本征模態(tài)函數(shù)對(duì)應(yīng)于第一歷史風(fēng)電數(shù)據(jù)集中不同頻率和尺度的成分；對(duì)所述預(yù)設(shè)數(shù)量的本征模態(tài)函數(shù)進(jìn)行歸一化處理，得到處理后的本征模態(tài)函數(shù)；對(duì)所述第一歷史風(fēng)電數(shù)據(jù)集中的目標(biāo)變量風(fēng)電功率進(jìn)行中心化處理，得到處理后的目標(biāo)風(fēng)電功率；基于去冗模型的模型性能評(píng)估在不同的超參數(shù)組合中獲取最優(yōu)超參數(shù)組合；并利用所述最優(yōu)超參數(shù)組合、所述處理后的目標(biāo)風(fēng)電功率、所述處理后的本征模態(tài)函數(shù)和所述去冗模型進(jìn)行數(shù)據(jù)擬合，得到最優(yōu)回歸系數(shù)向量；將所述最優(yōu)回歸系數(shù)向量中回歸系數(shù)為零的本征模態(tài)函數(shù)作為冗余本征模態(tài)函數(shù)；并去除所述冗余本征模態(tài)函數(shù)獲取目標(biāo)本征模態(tài)函數(shù)；將所述第一歷史風(fēng)電數(shù)據(jù)集從時(shí)域轉(zhuǎn)換到頻域，得到頻域表示的第二歷史風(fēng)電數(shù)據(jù)集；并從所述第二歷史風(fēng)電數(shù)據(jù)集中獲取自適應(yīng)的前預(yù)設(shè)數(shù)量個(gè)周期及每個(gè)周期對(duì)應(yīng)的風(fēng)電數(shù)據(jù)；將每個(gè)周期對(duì)應(yīng)的風(fēng)電數(shù)據(jù)分解為季節(jié)性成分、趨勢(shì)性成分和殘差成分；并將所述季節(jié)性成分、趨勢(shì)性成分和殘差成分分別進(jìn)行加權(quán)求和，得到目標(biāo)季節(jié)性成分、目標(biāo)殘差成分、目標(biāo)趨勢(shì)性成分；將所述目標(biāo)季節(jié)性成分、所述目標(biāo)殘差成分、所述目標(biāo)趨勢(shì)性成分和所述目標(biāo)本征模態(tài)函數(shù)進(jìn)行融合得到融合后的特征；并將所述融合后的特征輸入到長(zhǎng)序列信息感知模型中得到預(yù)測(cè)的短期風(fēng)電功率；所述最優(yōu)回歸系數(shù)向量可以通過(guò)下式進(jìn)行獲取： ；上式中，z為所述處理后的本征模態(tài)函數(shù)，為所述最優(yōu)回歸系數(shù)向量，為回歸系數(shù)向量，y為所述處理后的目標(biāo)風(fēng)電功率，P為所述處理后的本征模態(tài)函數(shù)的個(gè)數(shù)，j為所述處理后的本征模態(tài)函數(shù)的數(shù)目，為懲罰強(qiáng)度參數(shù)，是一個(gè)非負(fù)的正則化參數(shù)，所述去冗模型中包含范數(shù)和范數(shù)懲罰項(xiàng)，為控制著范數(shù)和范數(shù)正則化的比例，為所述回歸系數(shù)向量β的第j個(gè)元素，為的平方值，和為所述最優(yōu)超參數(shù)組合。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人長(zhǎng)安大學(xué)，其通訊地址為：710000 陜西省西安市雁塔區(qū)南二環(huán)路中段；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。