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！

龙图腾网获悉湖南大学申请的专利基于分层神经网络的异构型风电场功率控制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：CN120749921B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202511167121.X，技术领域涉及：H02J3/48；该发明授权基于分层神经网络的异构型风电场功率控制方法及系统是由黄守道;魏来;魏娟;黄晟;程雪婷;张谦;王帅烽设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本基于分层神经网络的异构型风电场功率控制方法及系统在说明书摘要公布了：本发明公开了一种基于分层神经网络的异构型风电场功率控制方法及系统，方法包括步骤：S1、获取异构型风电机组参数；S2、根据异构型风电机组参数，建立异构型风电场状态空间模型；S3、建立基于时域卷积网络‑自注意力机制分层神经网络的异构型风电场预测模型，通过异构型风电机组参数构建的训练集来训练异构型风电场预测模型，输出模型补偿量来修正异构型风电场状态空间模型；S4、以异构型风电场电压和功率波动最小化作为双重控制目标，基于修正后的异构型风电场状态空间模型，通过时序优化异构型风电场功率指令，实现电压和功率波动双重抑制。本发明具有提升功率预测精度、抑制电压波动和功率振荡等优点。

本发明授权基于分层神经网络的异构型风电场功率控制方法及系统在权利要求书中公布了：1.一种基于分层神经网络的异构型风电场功率控制方法，其特征在于，包括以下步骤： S1、获取异构型风电机组参数； S2、根据步骤S1中获取的异构型风电机组参数，建立异构型风电场状态空间模型； S3、建立基于时域卷积网络-自注意力机制分层神经网络的异构型风电场预测模型，通过异构型风电机组参数构建的训练集来训练异构型风电场预测模型，得到训练好的异构型风电场预测模型，输出模型补偿量来修正异构型风电场状态空间模型，得到修正后的异构型风电场状态空间模型； S4、以异构型风电场电压和功率波动最小化作为双重控制目标，基于修正后的异构型风电场状态空间模型，通过时序优化异构型风电场功率指令，实现电压和功率波动双重抑制； 步骤S2的具体过程为： 基于异构型风电机组参数，构建异构型风电场节点电压模型； 构建异构型风电场内不同风电机组输出频率与功率偏差模型； 基于异构型风电场节点电压模型、异构型风电场内不同风电机组输出频率与功率偏差模型，融合得到异构型风电场状态空间模型； 异构型风电场状态空间模型具体为： 式中，、、、、和为异构型风电场状态空间模型参数；为异构型风电场状态空间模型的状态量，包括构网型风电机组输出有功功率增量和无功功率增量、跟网型风电机组输出有功功率增量和无功功率增量；为异构型风电场状态空间模型的输入量，包括构网型风电机组输出有功功率参考值增量和无功功率参考值增量、跟网型风电机组输出有功功率参考值增量和无功功率参考值增量、构网型风电机虚拟同步控制参数增量、和；为异构型风电场状态空间模型输出量，包括构网型风电机组节点电压和跟网型风电机组节点电压；为异构型风电场状态空间模型状态量一阶导数； 修正后的异构型风电场状态空间模型为： 式中，和为异构型风电场预测模型输出的模型补偿量。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。