国网吉林省电力有限公司经济技术研究院;华北电力大学;吉林省长春电力勘测设计院有限公司时雨获国家专利权
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！
龙图腾网获悉国网吉林省电力有限公司经济技术研究院;华北电力大学;吉林省长春电力勘测设计院有限公司申请的专利一种多尺度风功率时间序列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：CN115600501B 。
龙图腾网通过国家知识产权局官网在2025-08-15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：202211366938.6，技术领域涉及：G06F30/27；该发明授权一种多尺度风功率时间序列预测方法是由时雨;高雪峰;李昊;王鑫红;刘元琦;宋磊;于温方;吕长会;姜明磊;王鼎衡;姚忆雯;张圆美;王冬;邢文洋;佘新;许儒航;罗欢设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。
本一种多尺度风功率时间序列预测方法在说明书摘要公布了：本发明公开了属于电力工程技术领域的一种多尺度风功率时间序列预测方法。该方法包括步骤S1：对风功率、风轮的转速数据的每一个特征维度进行均值和方差归一化处理；步骤S2：将步骤S1处理后的数据输入到神经网络预测模型；步骤S3：利用损失函数训练神经网络预测模型；步骤S4：对神经网络预测模型的多尺度输出进行归一化还原。本发明能够控制多个尺度之间的误差传递，减弱了误差叠加的效应，使多个尺度叠加给预测误差带来的正面效应超过负面效应。
本发明授权一种多尺度风功率时间序列预测方法在权利要求书中公布了：1.一种多尺度风功率时间序列预测方法，其特征在于，所述方法包括以下步骤： 步骤S1：对风功率、风轮的转速数据的每一个特征维度进行均值和方差归一化处理； 步骤S2：将步骤S1处理后的数据输入到神经网络预测模型； 所述步骤S2中的神经网络预测模型基于Transformer模型和卷积神经网络模型，具体如下： 模型输入先经过Transformer模型，得到微尺度的输出中尺度的输入由微尺度的输出y1和噪声组成，再经过卷积神经网络模型，得到中尺度的输出大尺度的输入由中尺度的输出y2和噪声组成，再经过卷积神经网络模型，得到大尺度的输出 所述Transformer模型的结构包括多个编码器和解码器，且每个编码器和解码器都采取自注意力机制和多头注意力机制； 步骤S3：利用损失函数训练神经网络预测模型； 步骤S4：对神经网络预测模型的多尺度输出进行归一化还原。
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国网吉林省电力有限公司经济技术研究院;华北电力大学;吉林省长春电力勘测设计院有限公司，其通讯地址为：130022 吉林省长春市南关区平泉路1427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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号