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！

龙图腾网获悉中国华能集团清洁能源技术研究院有限公司申请的专利发电功率的预测方法及装置、存储介质、电子装置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：CN119825643B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411743173.2，技术领域涉及：F03D17/00；该发明授权发电功率的预测方法及装置、存储介质、电子装置是由黄思皖;任立兵;任鑫;王春森;李扶阳;杨雪;史鉴恒;王宝岳;李昊义;董曦薇;张可;栾梦远设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本发电功率的预测方法及装置、存储介质、电子装置在说明书摘要公布了：本申请公开了一种发电功率的预测方法及装置、存储介质、电子装置，涉及计算机领域，该发电功率的预测方法包括：获取L个历史数据，其中，所述L个历史数据中的第m个历史数据包括在第m个历史时刻风力发电机的运行数据和气象数据，m为大于等于1、小于等于L的整数，L个历史时刻中任意两个的相邻时刻的时间间隔为目标时间间隔，L为大于等于2的整数；将所述L个历史数据输入至目标长短期记忆网络LSTM模型，得到所述风力发电机在第L+1时刻的发电功率，其中，所述第L+1时刻与第L个历史时刻的时间间隔为所述目标时间间隔。采用上述技术方案，解决了预测风力发电机的发电功率准确率较低的问题。

本发明授权发电功率的预测方法及装置、存储介质、电子装置在权利要求书中公布了：1.一种发电功率的预测方法，其特征在于，包括： 获取L个历史数据，其中，所述L个历史数据中的第m个历史数据包括在第m个历史时刻风力发电机的运行数据和气象数据，m为大于等于1、小于等于L的整数，L个历史时刻中任意两个的相邻时刻的时间间隔为目标时间间隔，L为大于等于2的整数； 将所述L个历史数据输入至目标长短期记忆网络LSTM模型，得到所述风力发电机在第L+1时刻的发电功率，其中，所述第L+1时刻与第L个历史时刻的时间间隔为所述目标时间间隔； 其中，将所述L个历史数据输入至目标长短期记忆网络LSTM模型，得到所述风力发电机在第L+1时刻的发电功率之前，所述方法还包括：获取Z组样本数据，其中，所述Z组样本数据中的第z组样本数据包括第z组历史数据和第z个功率，所述第z个功率为所述风力发电机在所述第z组历史数据下所对应的发电功率，所述第z组历史数据包括L个历史时刻风力发电机的运行数据和气象数据；使用所述Z组样本数据对通用LSTM模型进行训练，得到目标LSTM模型； 其中，使用所述Z组样本数据对通用LSTM模型进行训练，得到目标LSTM模型，包括：通过滑动窗口将所述Z组样本数据划分为Z-H+1组数据集，其中，所述Z-H+1组数据集中的每组数据集包括H组样本数据，H为大于等于2的整数；使用Z-H+1组数据集分别对通用LSTM模型进行训练，得到Z-H+1个训练误差数据；根据所述Z-H+1个训练误差数据更新所述通用LSTM模型的模型参数，得到所述目标LSTM模型； 其中，使用Z-H+1组数据集分别对通用LSTM模型进行训练，得到Z-H+1个训练误差数据，包括：通过以下方式得到Z-H+1个训练误差数据中的第i个训练误差数据，以得到所述Z-H+1个训练误差数据：将所述Z-H+1组数据集中的第i组数据集进行划分，得到第一数据集合和第二数据集合，其中，所述第一数据集合和第二数据集合中均包括一组或多组样本数据；通过以下公式一，使用所述第一数据集合计算得到中间误差数据，其中，为所述中间误差数据，为所述第一数据集合，为所述通用LSTM模型的模型参数，为所述第一数据集合中的样本数据中的一组历史数据，y为对应的样本数据中的功率，为参数为的通用LSTM模型： 公式一； 根据所述中间误差数据更新所述通用LSTM模型的模型参数，得到更新参数后的LSTM模型； 通过以下公式二，使用所述第二数据集合计算得到所述第i个训练误差数据，其中，为所述第i个训练误差数据，为所述第二数据集合，为更新参数后的LSTM模型的模型参数，为所述第二数据集合中的样本数据中的一组历史数据，y为对应的样本数据中的功率，为所述更新参数后的LSTM模型： 公式二。

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中国华能集团清洁能源技术研究院有限公司，其通讯地址为：102209 北京市昌平区北七家未来科技城华能人才创新创业基地实验楼A楼；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”。

以上内容由龙图腾AI智能生成。