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！

龙图腾网恭喜宁波力斗智能技术有限公司申请的专利基于多模态多任务的Transformer网络的风电功率多步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：CN114118569B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202111403178.7，技术领域涉及：G06Q10/04；该发明授权基于多模态多任务的Transformer网络的风电功率多步预测方法是由何怡刚;汪磊;邵凯旋;江雪;杨宗礼设计研发完成，并于2021-11-24向国家知识产权局提交的专利申请。

本基于多模态多任务的Transformer网络的风电功率多步预测方法在说明书摘要公布了：本发明公开了一种基于多模态多任务的Transformer网络的风电功率多步预测方法，属于电力系统规划领域，包括：设计深度的M2TNet预测模型；收集K种多源异构数据并利用最大信息系数分析进行变量选择，选出S种优选变量；对优选变量进行归一化处理，划分训练集和测试集；采用人工经验和网格搜索的方式并结合模型训练的效果来确定M2TNet模型的超参数；保存最佳训练效果的参数模型，利用测试集的数据进行风电功率多步预测；对预测结果进行反归一化得到风电功率预测值，并结合评价指标对预测结果进行分析。解决了多源异构数据的风电功率多步预测问题，并改善了已有的模型性能，不仅能提升已有模型的预测准确率而且能降低其时间复杂度。

本发明授权基于多模态多任务的Transformer网络的风电功率多步预测方法在权利要求书中公布了：1.一种基于多模态多任务的Transformer网络的风电功率多步预测方法，其特征在于，包括： 设计深度的M2TNet预测模型； 收集K种多源异构数据并利用最大信息系数分析进行变量选择，将S种优选变量作为M2TNet预测模型的输入，S≤K； 对S种优选变量进行归一化处理得到样本数据，将样本数据划分为训练集和测试集； 采用人工经验和网格搜索的方式并结合模型训练的效果来确定M2TNet模型的超参数； 保存最佳训练效果的参数模型，利用测试集的数据进行风电功率多步预测； 对预测结果进行反归一化得到风电功率预测值，并结合评价指标对预测结果进行分析； 所述M2TNet预测模型具有特征提取层、特征融合层和预测终端层；其中，特征提取层采用带有多个Transformer单元并联的多分支结构；特征融合层为一层普通全连接网络；预测终端层为一个回归层； 设计深度的M2TNet预测模型，包括： 第一阶段：利用多个特征提取器分别从各种历史特征中提取出高阶特征，其中，Transformer单元作为特征提取器； 第二阶段：采用多模态学习策略，对来自不同历史特征的高阶特征进行融合，形成含有更丰富信息的统一特征； 第三阶段：采用多任务学习策略，基于统一特征预测风电功率序列； 采用人工经验和网格搜索的方式并结合模型训练的效果来确定M2TNet模型的超参数，包括： 所有的Transformer均采用相同的结构参数；Transformer中各隐层的单元个数保持一致，因此M2TNet中需要确定的超参数包括：每个Transformer的编码层数目、每个隐含层神经元个数、学习率的大小、Epochs的大小、BatchSize的大小以及Dropout的大小；M2TNet的优化器采用RMSProp，其损失函数是mse； 采用人工经验和网格搜索的方式并结合模型训练的效果来确定M2TNet模型的超参数。

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宁波力斗智能技术有限公司，其通讯地址为：315153 浙江省宁波市海曙区石碶街道横涨村；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”。