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！

龍圖騰網恭喜廣東工業大學申請的專利基于數據增強和隱藏層增量級聯的風功率預測方法及系統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：CN119646407B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202510163171.4，技術領域涉及：G06F18/10；該發明授權基于數據增強和隱藏層增量級聯的風功率預測方法及系統是由宋世豪;孟安波;黃鉞;黃自謙設計研發完成，并于2025-02-14向國家知識產權局提交的專利申請。

本基于數據增強和隱藏層增量級聯的風功率預測方法及系統在說明書摘要公布了：本發明提供一種基于數據增強和隱藏層增量級聯的風功率預測方法及系統，方法包括：采集初始樣本集并進行預處理，同時劃分訓練集、驗證集和測試集；基于傳統RVFL模型，引入隱藏層節點新增機制，構建HLICRVFL模型；利用訓練集對HLICRVFL模型進行初步訓練；在訓練集中添加學生t分布噪聲，生成新的訓練集，并對新增節點進行訓練，原始節點的參數保持不變，不斷進行訓練直到模型收斂，最后利用最優的模型進行風電功率預測；本發明采用隱藏層增量的訓練模式，無需重新訓練所有參數，只需訓練新增節點，顯著降低了計算成本；此外，本發明基于學生t分布進行數據增強，能夠生成質量更高的訓練樣本，進一步提升模型的預測精度。

本發明授權基于數據增強和隱藏層增量級聯的風功率預測方法及系統在權利要求書中公布了：1.一種基于數據增強和隱藏層增量級聯的風功率預測方法，其特征在于，包括以下步驟：S1：采集風電集群若干天的歷史發電數據，構建初始樣本集并進行預處理，將預處理后的初始樣本集劃分為訓練集、驗證集和測試集；S2：基于傳統的RVFL神經網絡模型，引入隱藏層節點新增機制，構建HLICRVFL神經網絡模型；所述HLICRVFL神經網絡模型包括依次連接的輸入層、隱藏層和輸出層；所述隱藏層中包含若干個原始節點；所述隱藏層節點新增機制包括：每生成一次新的訓練集，在HLICRVFL神經網絡模型的隱藏層中新增若干個節點；S3：利用所述訓練集對所述HLICRVFL神經網絡模型進行初步訓練，獲取初步訓練后的HLICRVFL神經網絡模型；S4：在所述訓練集中添加學生t分布噪聲，生成新的訓練集；S5：在初步訓練后的HLICRVFL神經網絡模型的隱藏層中新增若干個節點，并利用新的訓練集對新增的節點進行訓練，原始節點的參數保持不變，獲取二次訓練后的HLICRVFL神經網絡模型；S6：判斷二次訓練后的HLICRVFL神經網絡模型在所述驗證集上是否收斂，若是，則完成訓練，獲取最優的HLICRVFL神經網絡模型，執行步驟S7；否則，重新執行步驟S4~S5；S7：將測試集輸入最優的HLICRVFL神經網絡模型進行風電功率預測，并評估模型的預測效果。

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廣東工業大學，其通訊地址為：510080 廣東省廣州市越秀區東風東路729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”。