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！

龙图腾网获悉大唐东北电力试验研究院有限公司;哈尔滨工业大学;东北电力大学申请的专利深度融合物理知识的风功率预测方法及系统、介质、终端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：CN121213297B 。

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：202511771855.9，技术领域涉及：G06Q50/06；该发明授权深度融合物理知识的风功率预测方法及系统、介质、终端是由张腾宇;张学广;张家杨;李宇泽;唐振浩;邸帅设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本深度融合物理知识的风功率预测方法及系统、介质、终端在说明书摘要公布了：本申请公开了一种深度融合物理知识的风功率预测方法及系统、介质、终端，涉及风力发电技术领域，主要目的在于改善现有混合方法中由于融合层次较浅导致预测模型可靠性较低，进而导致预测结果准确率降低的问题。包括：获取目标风电场的当前运行数据以及当前环境数据；基于当前运行数据以及当前环境数据，确定当前风场物理数据；将当前运行数据、当前环境数据以及当前风场物理数据进行深度融合处理，得到当前融合特征向量；根据当前风场物理数据计算当前风场状态参数，根据当前融合特征向量以及当前风场状态参数进行风功率值预测操作，得到当前预测风功率值；利用当前预测风功率值进行运行状态监控操作、电网调度操作以及制定运行维护策略。

本发明授权深度融合物理知识的风功率预测方法及系统、介质、终端在权利要求书中公布了：1.一种深度融合物理知识的风功率预测方法，其特征在于，包括： 获取目标风电场的当前运行数据以及当前环境数据； 基于所述当前运行数据以及所述当前环境数据，在预先构建的风场物理知识库中进行匹配操作，确定所述目标风电场的当前风场物理数据； 基于深度融合模型，将所述当前运行数据、所述当前环境数据以及所述当前风场物理数据进行深度融合处理，得到所述目标风电场的当前融合特征向量，其中，深度融合模型是预先基于时空图神经网络构建的； 根据所述当前风场物理数据计算所述目标风电场的当前风场状态参数，并基于已完成模型训练的风功率值预测模型，根据所述当前融合特征向量以及所述当前风场状态参数进行风功率值预测操作，得到所述目标风电场的当前预测风功率值，其中，风功率值预测模型包含高波动子模型、低波动子模型以及物理引导子模型，且基于所述风功率值预测模型中的门控网络，根据所述当前融合特征向量以及所述当前风场状态参数，确定所述高波动子模型的第一权重系数、所述低波动子模型的第二权重系数以及所述物理引导子模型的第三权重系数，高波动子模型采用Transformer与时序卷积网络的混合架构，低波动子模型结合了门控循环单元与LightGBM； 利用所述当前预测风功率值对所述目标风电场进行运行状态监控操作、电网调度操作以及制定运行维护策略； 所述深度融合模型包含多个时空卷积模块以及一个池化层模块，所述基于深度融合模型，将所述当前运行数据、所述当前环境数据以及所述当前风场物理数据进行深度融合处理，得到所述目标风电场的当前融合特征向量，包括： 将所述当前运行数据、所述当前环境数据以及所述当前风场物理数据进行时间对齐处理以及归一化处理，得到所述目标风电场的当前特征集； 基于所述目标风电场的硬件分布图、虚拟风场空间以及所述当前特征集，构建所述目标风电场的风场状态图，其中，风场状态图中的各个节点分别代表各个硬件位置参数以及计算网格的中心点，各个边代表各个所述节点之间的连接关系，节点之间的边是根据空间距离、地形连续性与主导风向关系构建，边的权重由以下公式计算： ， 表示节点与之间的欧氏距离，表示距离尺度参数，表示从节点指向节点的方位角，表示当前主导风向； 针对各个所述节点，基于第一时空卷积模块，对所述节点的节点特征进行第一时空特征提取操作，得到所述节点的第一更新节点特征，以及基于第二时空卷积模块，对所述第一更新节点特征进行第二时空特征提取操作，得到所述节点的第二更新节点特征，直至全部时空卷积模块均完成时空特征提取操作，得到所述节点的最终更新节点特征； 基于所述池化层模块，聚合各个所述节点的最终更新节点特征，得到所述目标风电场的当前融合特征向量； 所述时空卷积模块包含一个空间卷积子模块以及一个时间卷积子模块，空间卷积子模块是基于图注意力网络构建的，时间卷积子模块是基于门控时序卷积网络构建的，所述基于第一时空卷积模块，对所述节点的节点特征进行第一时空特征提取操作，得到所述节点的第一更新节点特征，包括： 基于第一时空卷积模块的空间卷积子模块，对所述节点的邻居节点的节点特征进行空间特征聚合操作，得到所述节点的空间更新节点特征，其中，邻居节点是基于边确定的； 基于所述第一时空卷积模块的时间卷积子模块，对所述空间更新节点特征进行时间特征提取操作，得到所述节点的第一更新节点特征，以完成第一时空特征提取操作。

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大唐东北电力试验研究院有限公司;哈尔滨工业大学;东北电力大学，其通讯地址为：130000 吉林省长春市北湖科技开发区雅安路1299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。