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！

龙图腾网恭喜广东工业大学申请的专利一种基于多时间尺度的风电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：CN119646636B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202510180695.4，技术领域涉及：G06F18/241；该发明授权一种基于多时间尺度的风电功率预测方法及系统是由殷豪;胡家浩;罗功铺;谭钲霖设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种基于多时间尺度的风电功率预测方法及系统在说明书摘要公布了：本发明提出一种基于多时间尺度的风电功率预测方法及系统，涉及风电功率预测的技术领域，方法包括对风电场数据进行预处理，得到历史时间序列数据；对历史时间序列数据进行多时间尺度分解，将多尺度时间分解结果输入预设的风电功率预测模型，多尺度图结构单元根据多尺度时间分解结果构建多尺度图结构，输出多尺度图结构中目标节点的多跳邻居集合，自适应图卷积单元根据多跳邻居集合构建自适应邻接矩阵，利用自适应邻接矩阵更新节点表示，输出节点表示特征；跨尺度融合单元通过多头注意力机制对节点表示特征进行跨尺度融合，得到跨尺度融合结果；预测单元接收跨尺度融合结果，输出风电功率预测结果。本发明能够有效地提高风电场风电功率预测精度。

本发明授权一种基于多时间尺度的风电功率预测方法及系统在权利要求书中公布了：1.一种基于多时间尺度的风电功率预测方法，其特征在于，包括以下步骤：S1.获取风电场数据，对所述风电场数据进行预处理，得到历史时间序列数据；所述风电场数据包括风电功率、风速、风向、温度、湿度、大气压，所述对所述风电场数据进行预处理，包括：S101.去除所述风电场数据中的异常值，填补所述风电场数据中的缺失值，得到清洗填充数据；S102.对清洗填充数据中的数值型数据采用min-max归一化方法映射到[0,1]区间，并对清洗填充数据中的风向数据进行余弦变换，得到数值型数据和风向数据的历史时间序列数据；S2.对所述历史时间序列数据进行多时间尺度分解，得到多时间尺度分解结果；S3.将所述多时间尺度分解结果输入预设的风电功率预测模型，所述风电功率预测模型包括依次连接的多尺度图结构单元、自适应图卷积单元、跨尺度融合单元和预测单元；S4.多尺度图结构单元根据所述多时间尺度分解结果构建多尺度图结构，输出多尺度图结构中目标节点的多跳邻居集合，自适应图卷积单元根据所述多跳邻居集合构建自适应邻接矩阵，利用所述自适应邻接矩阵更新节点表示，输出节点表示特征；跨尺度融合单元通过多头注意力机制对所述节点表示特征进行跨尺度融合，得到跨尺度融合结果；预测单元接收所述跨尺度融合结果，输出风电功率预测结果；所述多尺度图结构单元根据所述多时间尺度分解结果构建多尺度图结构，输出多尺度图结构中目标节点的多跳邻居集合，包括：S401.将嵌入时间序列数据按照所述时间尺度si和显著频率进行重塑，得到重塑结果，将所述重塑结果根据所述时间尺度si分解为k个子序列，每一个子序列的计算表达式如下： 其中，Seg操作表示通过窗口大小为滑动截取子序列，表示重塑结果；为每一个子序列添加频率特征标记，得到重塑特征数据Xi的计算表达式如下： 其中，表示显著频率分布，⊕表示特征连接操作；S402.对所述重塑特征数据Xi设定多尺度图结构，其中V表示节点集，E表示边集；节点集V的计算表达式如下： 其中，表示时间尺度的节点特征集合，的计算表达式如下： 其中，表示第i个时间尺度下，第个周期的时间节点特征矩阵；S403.在节点和节点之间通过利用皮尔逊相关系数建立边，得到所述边集；S404.通过遍历边集计算多尺度图结构中目标节点的多跳邻居集合，所述多跳邻居集合包括一跳邻居集合和两跳邻居集合。

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东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。