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动态延迟和分层联邦学习的短期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：CN119669740B 。

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：202510180693.5，技术领域涉及：G06F18/2131；该发明授权一种基于动态延迟和分层联邦学习的短期风电功率预测方法及系统是由孟安波;黄钺;刘宏蕙;邹鹏立设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种基于动态延迟和分层联邦学习的短期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动态延迟和分层联邦学习的短期风电功率预测方法及系统，涉及风电功率预测的技术领域，首先，动态调整每一个周边风电场与目标新建风电场的历史风电数据时间戳。然后进行经验模态分解，通过频谱分析得到分量频谱并优化，得到优化后的频谱分量；构建特征矩阵，对特征矩阵进行多尺度聚类，得到多通道频谱分量特征，提高数据的处理效果，捕捉更多频率特征，改善预测模型的稳定性与准确性。将多通道特征输入到自注意力风电功率预测模型，通过分层联邦学习对模型进行训练，保证了目标风电场和周边风电场的个性化模型和全局模型的有效结合，提升了数据隐私保护的同时，提升了对新建风电场适应性，提高风电功率预测精度。

本发明授权一种基于动态延迟和分层联邦学习的短期风电功率预测方法及系统在权利要求书中公布了：1.一种基于动态延迟和分层联邦学习的短期风电功率预测方法，其特征在于，包括以下步骤：S1：基于获取的目标新建风电场及其周边风电场的历史风电数据和地理数据，计算目标新建风电场与每一个周边风电场之间的风速延迟时间；S2：基于风速延迟时间动态调整每一个周边风电场与目标新建风电场的历史风电数据时间戳，对齐历史风电数据；S21：计算每一个周边风电场的风速变化率，计算表达式为： 其中，SBit表示周边风电场Bi在t时刻的风速；SBit-1表示周边风电场Bi在t-1时刻的风速；△SBi表示周边风电场Bi在t时刻与t-1时刻的风速差；S22：动态调整时间窗口，调整过程满足表达式： 其中，表示风速变化率阈值，表示时间窗口，若△SBi小于，则缩短时间窗口；否则，扩大时间窗口，表示缩短后的最小时间窗口，表示增大后的最大时间窗口；S23：在每个时间窗口内，计算目标新建风电场A与周边风电场Bi之间滞后或推前的时间窗口格数，计算表达式为： 其中，表示时间窗口格数，为时间单位的转换系数；△td表示延迟时间；S24：将滞后或推前的时间窗口格数与0比较，根据比较结果，调整周边风电场Bi的风电数据时间戳，表达式为： 当滑动窗口继续前移时，再次根据新窗口的实时风速计算延迟时间，并对下一个时间窗口内的风电数据进行时间戳调整；S3：对所述对齐的历史风电数据进行经验模态分解，然后通过频谱分析得到分量频谱，并进行分量频谱优化，得到优化后的频谱分量；S4：基于优化后的频谱分量构建特征矩阵，对特征矩阵进行多尺度聚类，聚类后得到多通道频谱分量特征；在聚类时，对初始聚类中心进行优化；S5：将聚类后的多通道频谱分量特征输入到多尺度自注意力风电功率预测模型中，通过分层联邦学习方式对多尺度自注意力风电功率预测模型进行训练；S6：将训练好的多尺度自注意力风电功率预测模型用于目标新建风电场的风电功率预测。

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”。