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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜北京因乎智電科技有限公司申請的專利基于深度學習的風電功率預測方法及裝置獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN119813204B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-06-03發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510299909.X，技術領域涉及：H02J3/00；該發(fā)明授權基于深度學習的風電功率預測方法及裝置是由王菲;徐麗芳;劉鈞文;李青松;史翼設計研發(fā)完成，并于2025-03-14向國家知識產(chǎn)權局提交的專利申請。

本基于深度學習的風電功率預測方法及裝置在說明書摘要公布了：本發(fā)明公開了一種基于深度學習的風電功率預測方法及裝置，屬于人工智能技術領域。方法包括：獲取目標風電場與風電功率相關的歷史數(shù)據(jù)；歷史數(shù)據(jù)包括真實風電功率和多個參量特征數(shù)據(jù)；利用滑動窗口將歷史數(shù)據(jù)按照時序進行數(shù)據(jù)分組；基于多個參量特征數(shù)據(jù)計算任意兩個參量之間的相關性系數(shù)；根據(jù)相關性系數(shù)將每一個分組中多個參量上的特征數(shù)據(jù)進行特征聚合，以使具有相關性的參量特征數(shù)據(jù)進行參量間特征聚合，得到每一個分組的聚合特征；將多個分組的聚合特征和真實風電功率訓練深度學習模型，利用訓練好的深度學習模型進行風電功率預測。本發(fā)明能夠使得深度學習模型準確學習到參量間的聚合特征，從而可以提高風電功率預測結果的準確性。

本發(fā)明授權基于深度學習的風電功率預測方法及裝置在權利要求書中公布了：1.一種基于深度學習的風電功率預測方法，其特征在于，包括：獲取目標風電場與風電功率相關的歷史數(shù)據(jù)；所述歷史數(shù)據(jù)包括真實風電功率和對應的多個參量特征數(shù)據(jù)；所述參量包括氣象參量和風機運行參量；將設定時長作為滑動窗口，利用滑動窗口將所述歷史數(shù)據(jù)按照時序進行數(shù)據(jù)分組，得到多個分組；基于所述多個參量特征數(shù)據(jù)計算任意兩個參量之間的特征相關性系數(shù)；根據(jù)所述相關性系數(shù)將每一個分組中多個參量上的特征數(shù)據(jù)進行特征聚合，以使具有相關性的參量特征數(shù)據(jù)進行參量間特征聚合，得到每一個分組的聚合特征；將多個分組的聚合特征和真實風電功率作為訓練樣本對深度學習模型進行訓練，并利用訓練完成的深度學習模型進行風電功率預測；根據(jù)兩個參量之間的特征相關性系數(shù)，若兩個參量正相關，則確定該兩個參量具有相關性；每一個分組的聚合特征的獲取方式為：將該分組中每一個參量的特征數(shù)據(jù)均與具有相關性的參量的特征數(shù)據(jù)進行特征聚合，得到每一個參量聚合后的聚合數(shù)據(jù)；確定當前聚合次數(shù)是否達到設定次數(shù)，若未達到設定次數(shù)，則將每一個參量聚合后的聚合數(shù)據(jù)作為相應參量的特征數(shù)據(jù)，并繼續(xù)執(zhí)行本步驟以進入下一次特征聚合；若達到設定次數(shù)，則將每一個參量聚合后的聚合數(shù)據(jù)作為相應參量的聚合特征，得到該分組的聚合特征；其中，每次進行特征聚合時，是利用特征聚合的兩個參量之間的相關性系數(shù)進行的；所述設定次數(shù)的確定方式為：將參量作為節(jié)點，將具有相關性的兩個參量所對應的節(jié)點相連，得到拓撲圖；確定拓撲圖中最長路徑上的節(jié)點數(shù)量；根據(jù)所述最長路徑上的節(jié)點數(shù)量確定設定次數(shù)。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人北京因乎智電科技有限公司，其通訊地址為：102100 北京市延慶區(qū)中關村延慶園東環(huán)路2號樓D座085室；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)”。