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！

龙图腾网恭喜吉林化工学院申请的专利一种计及极端寒潮天气样本的超短期风电功率分段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：CN118868062B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202410919308.X，技术领域涉及：H02J3/00；该发明授权一种计及极端寒潮天气样本的超短期风电功率分段预测方法及系统是由林琳;许津豪;李士林;张云山;高鹏琛;张皓;董如意;邢雪设计研发完成，并于2024-07-10向国家知识产权局提交的专利申请。

本一种计及极端寒潮天气样本的超短期风电功率分段预测方法及系统在说明书摘要公布了：本发明公开了一种计及极端寒潮天气样本的超短期风电功率分段预测方法及系统，涉及风电功率预测技术领域，包括采用序列变分自编码器SeqVAE算法来生成数值天气预报数据以及对应的功率样本。然后，在全时段上基于图卷积GCN网络和双向门控循环单元BiGRU的方法提取寒潮损失功率时段，在此基础上，对正常天气时段采用LightGBM预测方法；对损失功率时段提出一种LightGBM‑Transformer预测方法量化产生的功率损失。本发明通过将正常天气与寒潮天气分开进行组合功率预测，提高了风电功率预测的准确程度。

本发明授权一种计及极端寒潮天气样本的超短期风电功率分段预测方法及系统在权利要求书中公布了：1.一种计及极端寒潮天气样本的超短期风电功率分段预测方法，其特征在于，包括：获取历史风电场NWP数据与对应的功率数据，生成数据集；基于寒潮事件定义进行数据判别，将所述数据集中数据分为正常天气样本与寒潮天气样本；将所述正常天气样本输入LightGBM模型，训练LightGBM模型，得到正常天气功率预测模型，通过所述正常天气功率预测模型得到正常天气的风电功率预测值；将所述寒潮天气样本输入预设的SeqVAE编码器中进行样本生成，而后将生成的样本与所述正常天气样本进行风电损失状态赋值，获取赋值完成的赋值样本；将所述赋值样本输入GCN-BiGRU损失功率时段提取模型中，捕获所述赋值样本的时空特征，提取寒潮损失功率时段；将所述寒潮损失功率时段与对应功率数据输入Transformer损失值预测模型进行训练，得到损失功率预测模型，根据所述损失功率预测模型预测损失功率；根据所述正常天气的风电功率与损失功率获取超短期风电功率预测值；通过最大化ELBO来优化所述SeqVAE编码器的参数，具体如下：ELBO＝Ez～qm|x[logpθx|m]-KLqm|x||pm≤logpx；其中，Ez～qm|x为给定隐变量m时，观测数据x的对数似然的期望，pm为隐变量m的先验分布，通常为标准正态分布N0,l，px为观测数据x的边际似然。

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吉林化工学院，其通讯地址为：132022 吉林省吉林市龙潭区承德街45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”。