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！

龙图腾网获悉贵州电网有限责任公司申请的专利一种LSTM-Transformer中长期风电预测组合模型方法及系统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：CN119940588B 。

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：202411773894.8，技术领域涉及：G06Q10/04；该发明授权一种LSTM-Transformer中长期风电预测组合模型方法及系统是由罗晨;王斌;龙家焕;牟雪鹏;陈巨龙;杨世平;李震;王伟;张裕;朱永清;刘兴艳;罗宁;钟天璇;刘恒;汪玉翔设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种LSTM-Transformer中长期风电预测组合模型方法及系统在说明书摘要公布了：本发明公开一种LSTM‑Transformer中长期风电预测组合模型方法及系统，包括：获取风电场的气象数据并进行预处理，使用对抗生成网络捕获原始数据集的内在特征，并生成合成历史天气数据样本对已有数据集进行扩充；对增强数据集进行经验模态分解获得不同时间尺度的本征模态分量，对增强数据集进行变分模态分解获得风机功率趋势序列和周期序列；构建SwinLSTM网络模型，利用信号分解得到的数据对SwinLSTM网络模型进行训练，分别预测风机位置综合环境数据和风机位置风电功率；构建基于深度强化学习柔性动作评价的自适应权重调节方法，并对理论风电功率与预测风电功率进行自适应权重调整得到最终预测风电功率。

本发明授权一种LSTM-Transformer中长期风电预测组合模型方法及系统在权利要求书中公布了：1.一种LSTM-Transformer中长期风电预测组合模型方法，其特征在于，包括： 获取风电场的气象数据并进行预处理，使用对抗生成网络捕获原始数据集的内在特征，并生成合成历史天气数据样本对已有数据集进行扩充； 对增强数据集进行经验模态分解以获得不同时间尺度的本征模态分量，对增强数据集进行变分模态分解以获得风机功率趋势序列和周期序列； 构建SwinLSTM网络模型，利用信号分解得到的数据对所述SwinLSTM网络模型进行训练，分别预测风机位置综合环境数据和风机位置风电功率； 构建基于深度强化学习柔性动作评价的自适应权重调节方法，并对理论风电功率与预测风电功率进行自适应权重调整得到最终预测风电功率； 所述构建SwinLSTM网络模型包括： 构建STB模块包括采用基于窗口的多头自注意力技术降低单次计算中涉及的元素数量，通过在不同层次上移动窗口的位置捕获上下文信息，将输入序列输入归一化层和多层感知机制中捕获全局空间依赖性； 基于所述STB模块构建SwinLSTMCell包括通过引入卷积算子到输入到状态和状态到状态的转换中捕获时间依赖性，通过自注意力机制计算所有位置间的相似度分数以捕获全局的空间依赖性，并将输入门、遗忘门和输出门合并为一个滤波门；结合所述时间依赖性和全局的空间依赖性，实现水平更新单元状态和隐藏状态以捕捉时间上的长短期依赖关系； 以所述SwinLSTMCell为核心构建SwinLSTM网络模型包括将时间为t的风电功率数据分割成不重叠的数据块，将所述数据块展平并输入到补丁嵌入层，SwinLSTM层接收转换后的图像补丁、隐藏状态Ht-1和单元状态Ct-1以生成隐藏状态Ht和单元状态Ct，Ht被复制成两份，一份用于重建层，另一份与Ct一起用于下一时间步的SwinLSTM层； 使用所述SwinLSTM网络模型处理风电数据获得预测风机发电功率。

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贵州电网有限责任公司，其通讯地址为：550002 贵州省贵阳市南明区滨河路17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”。

以上内容由龙图腾AI智能生成。