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！

龙图腾网获悉华北电力大学申请的专利基于改进损失函数和补丁时序Transformer网络的超短期风功率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：CN119443847B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411439254.3，技术领域涉及：G06Q10/0637；该发明授权基于改进损失函数和补丁时序Transformer网络的超短期风功率预测方法是由张海波;晏吴宇歆设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本基于改进损失函数和补丁时序Transformer网络的超短期风功率预测方法在说明书摘要公布了：本发明公开了属于风功率预测技术领域的基于改进损失函数和补丁时序Transformer网络的超短期风功率预测方法。包括以下步骤：对功率数据进行检测和清洗；对气象数据和功率数据进行相关性的计算，提取和风功率相关性高的特征；利用平均池化操作对和风功率相关性高的特征进行处理，提取出趋势分量，然后利用原始序列减去趋势分量得到波动分量；分别建立趋势分量和波动分量的PatchTST模型，引入通道独立策略，将两个分量预测结果相加重构得到最终的预测值；采用多元非线性损失函数对PatchTST模型的参数进行优化；验证风功率预测的有效性。本发明所提出的方法相比其他模型能够实现超短期风功率多步预测最优预测，有效提升风电功率预测的可靠性。

本发明授权基于改进损失函数和补丁时序Transformer网络的超短期风功率预测方法在权利要求书中公布了：1.基于改进损失函数和补丁时序Transformer网络的超短期风功率预测方法，其特征在于，包括以下步骤： 采用风功率数据的图像异常检测与清洗算法对功率数据进行检测和清洗； 通过皮尔逊相关系数或者MIC相关系数对气象数据和功率数据进行相关性的计算，提取和风功率相关性高的特征；所述气象数据包括风速、风向、温度和气压； 利用平均池化操作对和风功率相关性高的特征进行处理，提取出趋势分量，然后利用原始序列减去趋势分量得到波动分量； 分别建立趋势分量和波动分量的PatchTST模型，引入通道独立策略，将两个分量预测结果相加重构得到最终的预测值；所述PatchTST模型的建立过程如下： 将输入序列归一化处理后，划分为若干可能重叠的补丁，每个补丁序列视为一个单元；然后将以上补丁在各个独立通道上进行处理，保留时间序列中的局部特征；经过位置编码后，补丁序列被输入到Transformer编码层中；编码层通过多头注意力机制，从多维角度捕捉时间序列的全局依赖关系；最后经过展平处理，将Transformer的输出向量输入到线性预测头中，生成最终的预测结果； 采用多元非线性损失函数对PatchTST模型的参数进行优化； 所述多元非线性损失函数包括： 幅度平移不变性损失函数 其中，和分别是第i个预测值和第i个实际值，T是时间序列长度； 相位平移不变性损失函数 其中，表示傅里叶变换，||·||p是Lp范数； 光滑二次损失函数 其中，c是超参数，用于平衡噪声过滤效果；α用于平衡不同损失项的权重；ypred是预测值，ytrue是实际值； 加权组合 其中，λ1、λ2和λ3分别是用于平衡不同损失项贡献的权重参数； 对比分析补丁分块结构、通道独立策略和多元非线性损失函数对预测结果的影响，验证风功率预测的有效性。

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北电力大学，其通讯地址为：102206 北京市昌平区回龙观北农路2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。