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！

龙图腾网获悉国网江西省电力有限公司电力科学研究院申请的专利基于突变检测与分级元学习的风功率预测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：CN121211130B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511745358.1，技术领域涉及：G06F18/241；该发明授权基于突变检测与分级元学习的风功率预测方法及系统是由何伟;吴康;李佳;饶臻;赵伟哲;何昊;曾伟设计研发完成，并于2025-11-26向国家知识产权局提交的专利申请。

本基于突变检测与分级元学习的风功率预测方法及系统在说明书摘要公布了：本发明属于新能源发电技术领域，具体为基于突变检测与分级元学习的风功率预测方法及系统。本发明通过变分模态分解和改进样本熵识别风功率突变点，基于风速、气压、风向变化率构建多变量突变强度指标并进行聚类分级。元学习器根据突变强度动态输出权重系数和预测模型超参数，实现自适应参数调整。条件门控函数判断是否激活注意力机制，并在激活时引入距离惩罚项使模型聚焦关键特征。根据强度等级选择轻量级或重型预测模型，通过熵加权因子平滑融合不同模型预测结果。本发明显著提升了极端天气条件下风功率预测的准确性和稳定性，为风电产业提供可靠的预测工具。

本发明授权基于突变检测与分级元学习的风功率预测方法及系统在权利要求书中公布了：1.基于突变检测与分级元学习的风功率预测方法，其特征在于，包括： S100：获取风电场历史功率数据和气象数据，对数据进行清洗、对齐和归一化处理，生成特征矩阵；所述气象数据包括风速、风向、温度和气压； S200：对所述特征矩阵中的风速序列执行变分模态分解得到多个本征模态函数，基于所述本征模态函数计算改进样本熵，引入与序列值差值相关的动态权重；基于改进样本熵计算熵加速度，当熵加速度和改进样本熵同时超过阈值时判定为突变点； S300：基于所述特征矩阵中的风速、气压和风向的变化率，通过非线性耦合构建多变量突变强度指标；对所述多变量突变强度指标进行聚类分级，划分为多个强度等级； S400：构建元学习器，输入多变量突变强度指标值和气象数据，输出动态权重系数和不同强度等级对应的预测模型超参数； S500：基于熵加速度和归一化突变强度设计条件门控函数判断是否激活注意力机制；激活时在自注意力机制中引入距离惩罚项； S600：根据强度等级选择预测模型，平稳段使用轻量级模型，突变段使用重型模型并加载注意力机制；基于改进样本熵构建熵加权因子，融合不同模型的预测结果，输出风功率预测值； 所述计算改进样本熵包括： 在传统样本熵计算中引入动态权重，所述动态权重与风速序列中两个数据点的差值成正比； 基于改进样本熵的变化率计算熵加速度，所述熵加速度采用二阶差分方式计算当前时刻、前一时刻和前两个时刻的改进样本熵值； 当熵加速度和改进样本熵同时超过各自阈值时，判定该时刻为突变点； 所述基于改进样本熵构建熵加权因子包括： 采用Sigmoid函数构建熵加权因子，以改进样本熵与熵值阈值的差值作为输入，通过斜率系数控制切换的平滑程度，所述斜率系数由元学习器动态调整； 当改进样本熵超过阈值时，熵加权因子逐渐增大，重型模型的权重相应增加；当改进样本熵低于阈值时，轻量级模型的权重增加； 将重型模型和轻量级模型的预测结果按照熵加权因子进行加权求和，得到最终的风功率预测值。

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国网江西省电力有限公司电力科学研究院，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88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。