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！

龙图腾网获悉华中科技大学;国网福建省电力有限公司申请的专利基于误差反馈与模型动态优化的风电短期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：CN120105097B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202510176566.8，技术领域涉及：G06F18/214；该发明授权基于误差反馈与模型动态优化的风电短期功率预测方法是由彭小圣;曲志达;王清凉;周朝晖设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本基于误差反馈与模型动态优化的风电短期功率预测方法在说明书摘要公布了：本发明公开一种基于误差反馈与模型动态优化的风电短期功率预测方法，针对风电集群历史数据和在线数据进行处理，构建核心特征样本集合，采用基于Kmeans‑DTW相似场景生成模型，对于新输入数据采用样本扩充完成在线样本集合构建；提出基于集成模型风电预测，采用初始配比权重集成模型对各场景进行预测，基于均方根误差筛选潜在待优化的集成模型，提出综合评价指标体系，按一定阈值筛选得到目标优化场景集合；针对目标场景，基于Staking算法的集成模型动态调整，采用Optuna框架进行集成模型超参数寻优，确定最优集成模型超参数，实现未来输入风电样本集合的典型场景的动态优化集成模型。通过本发明方法实现风电功率在线预测，为调度系统模型优化提供相应技术。

本发明授权基于误差反馈与模型动态优化的风电短期功率预测方法在权利要求书中公布了：1.基于误差反馈与模型动态优化的风电短期功率预测方法，其特征在于按以下步骤进行： 步骤1，风电集群的在线样本集合构建：收集风电集群历史数值天气预报NWP数据和在线的周运行数据得到风电集群的样本数据，采用数据处理和特征挖掘风电集群的样本数据，得到风电集群核心特征样本集合；输入至基于Kmeans-DTW的风电相似场景生成模型，得到各场景的样本集合，提出基于增强扩散模型的风电在线样本集合构建方法，得到各天气场景下的风电集群在线样本集合； 步骤2，基于集成学习的风电预测：建立以LSTM、Transformer、LightGBM、BPNN、TCN和CNN模型的集成模型，将步骤1所得的风电集群在线样本集合输入初始集成模型，获得初步的各场景和集群的预测结果，根据均方根误差进行潜在的优化场景筛选，计算准确率和合格率的相关指标；为各项指标赋予相应的权重，建立综合评价指标，根据相应的阈值筛选出目标优化场景集合和正常场景集合； 步骤3，风电集群模型动态优化技术：基于步骤2的目标优化场景集合作为特征集合输入，基于Staking算法的集成模型动态调整，采用交叉验证得到调整后的集成模型；基于Optuna框架对于调整后的集成模型进行超参数寻优，利用理想函数Trail进行超参数搜索，确定优化后的集成模型，新输入样本集合中的相似场景部分会进行初始的集成模型的动态更新，最终通过在线优化后的集成模型进行预测，得到预测结果。

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中科技大学;国网福建省电力有限公司，其通讯地址为：430074 湖北省武汉市洪山区珞瑜路1037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。