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！

龙图腾网获悉广西大学申请的专利一种考虑数据大量丢失的混合短期风电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：CN116702831B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310657081.1，技术领域涉及：G06F18/20；该发明授权一种考虑数据大量丢失的混合短期风电功率预测方法是由代伟;丁春阳;文方均;李珂强;曾志红;石博臣设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种考虑数据大量丢失的混合短期风电功率预测方法在说明书摘要公布了：本发明公开一种考虑数据大量丢失的混合短期风电功率预测方法，包括以下步骤：1建立基于GAN和BiLSTM的数据修复模型；2获取风电数据序列，并输入至基于GAN和BiLSTM的数据修复模型中，对风电数据序列进行数据增强，得到风电数据增强序列；3利用变分模态分解算法对风电数据增强序列进行分解，得到低波动性风电功率子序列；4建立基于注意力机制的改进CNN‑BiGRU混合预测模型；5将低波动性风电功率子序列输入至基于注意力机制的改进CNN‑BiGRU混合预测模型中，得到下一时刻风电功率预测结果。在数据质量较差的情况下，本发明可以保证预测精度满足电力系统运行的要求。

本发明授权一种考虑数据大量丢失的混合短期风电功率预测方法在权利要求书中公布了：1.一种考虑数据大量丢失的混合短期风电功率预测方法，其特征在于，包括以下步骤： 1建立基于GAN和BiLSTM的数据修复模型； 2获取风电数据序列，并输入至基于GAN和BiLSTM的数据修复模型中，对风电数据序列进行数据增强，得到风电数据增强序列； 3利用变分模态分解算法对风电数据增强序列进行分解，得到低波动性风电功率子序列； 4建立基于注意力机制的改进CNN‑BiGRU混合预测模型； 5将低波动性风电功率子序列输入至基于注意力机制的改进CNN‑BiGRU混合预测模型中，得到下一时刻风电功率预测结果； 利用变分模态分解算法对风电数据增强序列进行分解的步骤包括： 3.1构建变分模态分解目标函数和约束条件，即： 式中，uk为本征模分量集；ωk是中心频率的集合；δt表示脉冲信号；K表示模态数；ft为风电数据增强序列；*表示卷积算子；表示偏导；t表示时间；j表示虚数； 3.2引入拉格朗日乘法算子，建立增广拉格朗日L{uk},{ωk},λ的表达式，即： 式中，α是惩罚因子；λ为拉格朗日乘子； 3.3结合交替方向乘子法和傅里叶变换，对公式5‑6进行迭代求解，得到模态分量和中心频率； 其中，模态分量和中心频率的迭代更新公式如下所示式中，分别表示的傅里叶变换；ωk是第n+1次迭代时中心频率的集合；是第n+1次迭代时本征模分量；是t时刻本征模分量；上标∧表示迭代；ω是频率； 所述模态数K与惩罚因子α通过遗传算法优化得到； 遗传算法对模态数K与惩罚因子α进行优化的步骤包括编码、初始化种群、适应度评价、选择和交叉； 其中，适应度评价利用包络熵确定个体与最优值之间的距离； 包络熵EP如下所示： 式中，N为采样点的个数；Pj是aj的归一化形式；aj为包络信号。

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广西大学，其通讯地址为：530004 广西壮族自治区南宁市西乡塘区大学东路100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。