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！

龙图腾网恭喜大连理工大学申请的专利一种基于双向时间线的长距离风力发电功率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：CN114742279B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202210270144.3，技术领域涉及：G06F18/20；该发明授权一种基于双向时间线的长距离风力发电功率预测方法是由张强;周成杰;车超;王鹏飞设计研发完成，并于2022-03-18向国家知识产权局提交的专利申请。

本一种基于双向时间线的长距离风力发电功率预测方法在说明书摘要公布了：本发明公开了一种基于双向时间线的长距离风力发电功率预测方法，具体包括：首先对风电场气象数据、设备监测数据、风电机组基础数据进行数据归一化、数据清洗、数据补充和数据筛选等数据预处理操作。将处理后的数据按照时间排序，送入到计算模型中。然后构建双向Transformer模型，通过高维特征计算以及自注意力机制对输入特征进行权重配比与特征抽取，实现部分数据借助模型抽象为对输出功率预测的重要特征。本发明不仅可以模拟气象变化对风力发电机的单向影响，又能通过确定的未来时间点的目标输出功率，反向削减误差，最终实现了更为准确的预测风力发电的输出功率，在不降低预测效率的情况下，提高长距离风力发电功率预测准确性。

本发明授权一种基于双向时间线的长距离风力发电功率预测方法在权利要求书中公布了：1.一种基于双向时间线的长距离风力发电功率预测方法，其特征在于，具体包括：步骤1：对风电场气象数据、设备监测数据、风电机组基础数据进行数据预处理操作；将处理后的数据按照时间排序，送入到双向Transformer模型中；步骤2：将归一化后的特征送入双向Transformer模型中，将数据转变为高维特征向量后进行特征计算与注意力权重分配；步骤3：通过双向Transformer模型计算出最后时刻点的输出功率预测结果，将该结果作为标准输出，反向Transformer层通过[MASK]替换序列内容的方式，对整个序列进行自回归建模训练，能有效对中间时间节点的预测进行误差平滑以及界定预测区间；步骤4：通过全连接层，将隐藏层的特征投影到功率预测常规输出空间上，得到每一个时间点的发电功率预测结果；所述步骤3具体实现方式为：步骤31：进行“完形填空”式输入特征处理，即在输入特征中，随机将历史发电功率用[mask]覆盖；覆盖概率为每条输入特征中的15％；步骤32：优先将[mask]赋予按输入顺序，排在最后的时间点特征，借由前后两端完整特征序列进行后续训练；具体的，优先将[mask]替换序列原内容的操作，对按时间顺序，排在34位置的时间点特征进行，借由前后两端完整特征序列进行后续训练；步骤33：使用双向Transformer架构对输入进行建模，预测被掩蔽部分的原始值，并重复该过程训练。

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连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。