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！

龙图腾网恭喜青海大学申请的专利一种短期风电功率组合模型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：CN114330915B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202111677165.9，技术领域涉及：G06Q10/04；该发明授权一种短期风电功率组合模型预测方法是由陈来军;薛小代;马恒瑞;任博文设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本一种短期风电功率组合模型预测方法在说明书摘要公布了：本发明公开了一种短期风电功率组合模型预测方法，包括以下步骤：根据NWP数据和真实历史风电功率数据y构建训练集X1，将训练集X1输入XGBoost预测模型中获取预测风电功率值y1；在训练集X1的基础上，构建时间序列数据结构的训练集X2；将训练集X2输入LSTM预测模型获取预测风电功率值y2；根据y、y1和y2获得特征w1和w2；将y1和y2作为输入，特征w1和w2作为输出，构建并训练LSTM‑XGBoost动态权值组合模型；分析训练集X1中各项特征对于风电功率的影响程度，获取不同高度的风速作为重要特征；将y1、y2和不同高度的风速输入到训练好的LSTM‑XGBoost动态权值组合模型中，获取预测风电功率值Y。本发明提供的LSTM‑XGBoost组合模型相比于单一预测模型预测的风电功率更准。

本发明授权一种短期风电功率组合模型预测方法在权利要求书中公布了：1.一种短期风电功率组合模型预测方法，其特征在于，包括以下步骤：根据NWP数据和真实历史风电功率数据y构建训练集X1；通过XGBoost预测模型，输入训练集X1获取预测风电功率值y1；在训练集X1的基础上，构建时间序列数据结构的训练集X2；通过LSTM预测模型，输入训练集X2获取预测风电功率值y2；根据真实历史风电功率数据y、预测风电功率值y1和预测风电功率值y2获得特征w1和w2；将预测风电功率值y1和预测风电功率值y2作为输入，将特征w1和w2作为输出，构建并训练LSTM-XGBoost动态权值组合模型；采用Pearson相关系数法分析训练集X1中各项特征对于风电功率的影响程度，获取不同高度的风速作为重要特征，所述获取不同高度的风速作为重要特征包括以下具体步骤：将训练集X1中的各项特征，输入到Pearson相关系数公式中，得到各项特征与其它特征的相关系数数据；将相关系数数据通过热力图方式实现可视化分析，通过分析得出不同高度的风速与风电功率是一种强正相关的联系，因此将不同高度的风速作为分析获得的重要特征；将预测风电功率值y1、预测风电功率值y2和不同高度的风速输入到训练好的LSTM-XGBoost动态权值组合模型中，获取预测风电功率值Y，所述获取预测风电功率值Y包括以下步骤：将不同高度的风速的作为输入特征之一，同时将LSTM预测模型中输出的预测风电功率值y1和XGBoost预测模型中输出的预测风电功率值y2也作为输入特征之一输入到训练好的LSTM-XGBoost动态权值组合模型中，输出特征w1和w2；将输出特征w1和w2带入公式3中，获取最终预测风电功率值Y；Y＝w1*y1+w2*y23。

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青海大学，其通讯地址为：810016 青海省西宁市宁大路251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”。