买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京中恒博瑞数字电力科技有限公司申请的专利基于深度学习的风电机组功率智能预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113988421B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111269371.6，技术领域涉及：G06Q10/04；该发明授权基于深度学习的风电机组功率智能预测方法是由张伟;黄小文;钟剑财;于瑞丰;高飞;周庆捷;仇向东;张永浩设计研发完成，并于2021-10-29向国家知识产权局提交的专利申请。

本基于深度学习的风电机组功率智能预测方法在说明书摘要公布了：本发明涉及功率预测技术领域，提出了基于深度学习的风电机组功率智能预测方法，包括数据输入、数据融合、数据归一化处理、计算相关系数和权重、筛选出相关性较强的样本作为功率预测模型的训练样本，训练得到运算较为准确的功率预测模型，通过功率预测模型可以准确有效的输出预测功率值。通过风电功率预测系统的预测结果，电网调度部门可以合理安排发电计划，减少系统的旋转备用容量，提高电网运行的经济性，同时通过提前预测风电功率的波动，合理安排运行方式和应对措施，提高电网的安全性和可靠性。

本发明授权基于深度学习的风电机组功率智能预测方法在权利要求书中公布了：1.基于深度学习的风电机组功率智能预测方法，其特征在于，包括功率预测模型的训练步骤，步骤100：输入多组同一时刻的特征样本和目标样本，特征样本包括风电机组的功率数据，目标样本包括风电机组的气象数据和场站测风数据；步骤200：将特征样本和目标样本以时间段为关联条件，进行关联融合，输出数据宽表；步骤300：将数据宽表输入到归一化模型，输出归一化后的数据宽表，归一化后的数据宽表中每个样本值，其中，为所有时刻的最大样本值，为所有时刻的最小样本值，为原样本值；步骤400：根据归一化后的数据宽表，将相关系数与集成学习算法结合，首先通过GBDT算法计算特征因子权重大小，同时运用Pearson相关性系数，分析输入特征与目标字段的相关性大小，即计算目标样本与特征样本的相关系数和权重，将相关系数小于相关系数设定值的目标样本和权重小于权重设定值的目标样本剔除数据宽表；步骤500：基于双向LSTM网络构建风电机组功率预测模型，将数据宽表中剩下的目标样本和特征样本输入到风电机组功率预测模型进行训练，输入t-1时刻的特征样本，输出t时刻对应的目标样本，将拆分的功率特征纳入双向LSTM进行迭代计算；将功率拆分为如下公式：，其中为实时功率，为趋势项，反应的变化趋势，为周期项，反应的周期性变化，为随机项，反应的稳定性；步骤600：计算风电机组功率预测模型的均方根误差和可决系数值，当均方根误差小于均方根误差设定值且可决系数值大于可决系数设定值时，训练完成，得到功率预测模型；所述步骤400包括，步骤401：计算数据宽表中气象数据、测风数据与功率数据之间的相关系数，其中n为样本数量，为特征样本值，为特征样本均值，为目标样本值，为目标样本均值，为特征样本值标准差，为目标样本值标准差；步骤402：将相关系数与特征因素纳入二阶泰勒展开式，并计算信息熵，其中为样本x所属类别的概率值；步骤403:利用GBDT多个基分类器权重计算思想，将信息熵纳入权重计算公式，（i=1,2，…，k）其中为每个特征的信息熵大小。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京中恒博瑞数字电力科技有限公司，其通讯地址为：100085 北京市海淀区上地三街9号金隅嘉华大厦D座612；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。