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！

龙图腾网获悉华侨大学申请的专利基于WTC-Informer算法的风电功率预测方法、装置、设备和介质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：CN120106314B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510577952.8，技术领域涉及：G06Q10/04；该发明授权基于WTC-Informer算法的风电功率预测方法、装置、设备和介质是由孙成柱;李传柱;何霆;朱文龙设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本基于WTC-Informer算法的风电功率预测方法、装置、设备和介质在说明书摘要公布了：基于WTC‑Informer算法的风电功率预测方法、装置、设备和介质，涉及风电功率预测技术领域。风电功率预测方法包括：获取风力发电机的运行数据。将运行数据输入预先训练好的基于WTC‑Informer算法的预训练风电功率预测模型，执行以下数据处理步骤，获取风力发电机的有功功率的预测序列。根据运行数据，通过小波变换提取高频分量和低频分量并拼接，得到多尺度特征。通过ECA通道注意力机制，为各特征通道动态分配权重。然后，通过多个稀疏自注意力编码层堆叠成的Informer编码器，降低注意力的计算复杂度。最后通过生成式解码器，利用稀疏注意力提取时序模式，结合跨注意力融合编码器输出的连接特征图，输出未来风电功率预测序列。

本发明授权基于WTC-Informer算法的风电功率预测方法、装置、设备和介质在权利要求书中公布了：1.一种基于WTC-Informer算法的风电功率预测方法，其特征在于，包含： 获取风力发电机的运行数据； 将所述运行数据输入预先训练好的基于WTC-Informer算法的预训练风电功率预测模型，执行以下数据处理步骤，获取风力发电机的有功功率的预测序列； 根据所述运行数据，通过小波变换提取高频分量和低频分量并拼接，得到多尺度特征； 通过ECA通道注意力机制，为各特征通道动态分配权重，获取加权后的多尺度特征； 通过多个稀疏自注意力编码层堆叠成的Informer编码器，将注意力的计算复杂度从标准Transformer的降至，获取连接特征图；其中，表示时间复杂度、为输入序列长度； 通过生成式解码器，利用稀疏注意力提取时序模式，结合跨注意力融合编码器输出的连接特征图，输出未来风电功率预测序列； 根据所述运行数据，通过小波变换提取高频分量和低频分量并拼接，获取多尺度特征张量，具体包括： 初始化包含多层小波分解滤波器组的小波变换模块；其中，表示低频小波滤波器，表示高频小波滤波器； 将所述运行数据输入所述小波变换模块，通过小波分解滤波器组的高频小波滤波器提取高频分量，通过小波分解滤波器组的低频小波滤波器提取低频分量，并通过一个卷积操作计算当前层的系数；其中，前一层小波分解滤波器组提取的低频分量作为下一层小波分解滤波器组的输入进一步分解成高频分量和低频分量； 根据小波变换模块获得的所有级别的高频分量，通过一个深度可分离卷积和逐点卷积对每个高频分量进行噪声抑制捕捉局部变化，并与原始的高频分量做残差连接，获取减少高频噪声后的高频特征；其中，高频分量的处理模型为： ； 其中，表示第个变量的第级小波变换提取到的高频分量、表示逐点卷积操作、表示拼接、表示深度可分离卷积操作； 对最后一层小波变换得到的低频分量进行插值，使其尺寸与原始输入序列一致，然后使用一阶差分捕捉序列的变化模式，最后通过残差连接对低频分量进行特征增强，获取增强后的低频特征；最后一层小波变换得到的低频分量的处理模型为： ； ； 其中，为时刻的一阶差分、表示第个变量的时刻提取到的低频分量、表示第个变量的时刻提取到的低频分量、表示最后一层小波变换得到的低频分量； 将所有层次的高频特征和低频特征拼接在一起，得到所述多尺度特征张量； 编码器通过逐层降采样的方式减小序列长度； 编码器模型为：； 其中，为第层的时刻的样本、表示最大池化、为激活函数、代表一维卷积、表示第层的时刻的样本、代表多头稀疏注意力块。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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”。