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！

龙图腾网恭喜上海电力大学申请的专利一种基于转折性时段识别的超短期风电功率分段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：CN114386324B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202111609901.7，技术领域涉及：G06F30/27；该发明授权一种基于转折性时段识别的超短期风电功率分段预测方法是由余光正;陆柳;汤波;沈凌旭;刘承全;崔朝越;胡越;朱威设计研发完成，并于2021-12-27向国家知识产权局提交的专利申请。

本一种基于转折性时段识别的超短期风电功率分段预测方法在说明书摘要公布了：本发明涉及一种基于转折性时段识别的超短期风电功率分段预测方法，利用移动均线法提取时序趋势；采用高斯窗法对指数移动平均线EMA进行平滑处理，计算各时刻时序变化率α；基于局部时序特征的窗口调整策略自适应调节时间窗宽；基于双重定时间滑动窗的拐点检测策略，引入α作为判据之一，提取并划分转折性天气突变时段；对转折段时序采用改进GRU算法点预测，结合CRS算法的改进Attention机制；对平缓段时序采用概率预测，采用经验分布估计法建立时序模式‑功率预测误差概率密度分布模型，基于可变带宽核密度估计法进行风电功率概率预测；结合点预测与概率预测时序分段预测得到最终预测结果。与现有技术相比，本发明具有提升模型运算效率等优点。

本发明授权一种基于转折性时段识别的超短期风电功率分段预测方法在权利要求书中公布了：1.一种基于转折性时段识别的超短期风电功率分段预测方法，其特征在于，包括下列步骤：1提取时序趋势，求取表征风电场原始风电数据的短期发展趋势的EMA曲线，采用高斯窗法进行平滑处理后求取各时刻变化率为α；2基于步骤1得到的EMA曲线，利用EMA曲线局部特征差异制定窗口调整策略，设定检测阈值ε，若窗口与其前一窗口之间分布差异波动小于该检测阈值ε，则扩大窗宽加快检测速度，否则，缩小窗宽以提升检测精度；3基于步骤2制定的局部特征差异的窗口调整策略，利用步骤1求取的α作为判据之一，标记两个窗口内均值出现极小值的位置为拐点；4改进传统功率突变时段判据，合并相邻同趋势突变时段，完整提取转折性天气突变时段；改进的突变时段判据的表达式为： 式中，为拐点集Tip中第j点功率值；为拐点集Tip中第j+1点功率值；为拐点集Tip中经过第j点时刻；为拐点集Tip中经过第j+1点的时刻；λ为转折时段突变幅度阈值；β为转折时段突变速率阈值；合并相邻同趋势的突变时段，以完整提取转折时段；5依据自适应转折时段提取结果为划分依据，将时序划分为转折段与平缓段；6对平缓段采用点预测，采用GRU作为点预测的原始算法，引入结合CRS算法的改进Attention机制，将神经网络模型的过渡特征向量赋予不同的权重，随后将注意力权重传输到GRU层，输出GRU神经网络的训练结果，读取训练损失曲线、误差曲线，观察收敛过程中训练集、验证集损失曲线纵向间距，结合训练集、验证集绝对误差情况，直观评估网络预测结果收敛性能；引入结合CRS算法的改进Attention机制，将神经网络模型的过渡特征向量赋予不同的权重的具体步骤包括：61提供注意力层的权重W；62将提供的注意力层的权重W转换为二进制代码WB，子集Wi为注意力权重，将子集传输至GRU神经网络，并在GRU神经网络根据网络中的预测误差产生相应的损失值；63根据WB的损失情况选取最优注意力权重子集WiB和并对其子集组合进行反复循环；64重建一个新的注意力权重7对转折段采用概率预测，采用时序模式-自适应带宽核密度估计法概率预测；8将步骤6和步骤7组合完成基于转折性时段的超短期风电功率预测，获取预测功率。

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上海电力大学，其通讯地址为：201306 上海市浦东新区沪城环路1851号；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”。