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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于上下包络逼近的风速订正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：CN119848468B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510317748.2，技术领域涉及：G06F18/20；该发明授权一种基于上下包络逼近的风速订正方法是由颜午阳;熊雄;王皓楠;李晨;陈昕;安然设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本一种基于上下包络逼近的风速订正方法在说明书摘要公布了：本发明提供了一种基于上下包络逼近的风速订正方法，包括：步骤1，收集风场数值天气预报数据的多日风速时间序列数据NWP和多日实测风速的时间序列数据obs；步骤2，提取多日风速时间序列数据NWP的趋势项；步骤3，提取多日实测风速的时间序列数据obs的趋势项；步骤4，动态时间规整；步骤5，动态拟合反演；本发明采用上下包络线逼近方法，对多日风速时间序列数据NWP趋势项的上下包络线进行动态时间规整DTW处理，逼近经验模态分解后的历史风速数据趋势项上下包络线，通过得到的新包络线对反演风速，实现风速订正，从而提高风电功率预测的准确性。

本发明授权一种基于上下包络逼近的风速订正方法在权利要求书中公布了：1.一种基于上下包络逼近的风速订正方法，其特征在于，包括以下步骤：步骤1，收集数据：选取风场数值天气预报数据的多日风速时间序列数据NWP{Xdt,d＝1,2,3...D,t＝1,2,3...N}和多日实测风速的时间序列数据obs{Ydt,d＝1,2,3...D,t＝1,2,3...N}，其中，Xdt为多日风速时间序列数据NWP时间序列数据集合，Ydt为多日实测风速的时间序列数据obs时间序列数据集合；d为日期序列号，t为每日测量风速时间点序列号；D为日期数，N为每日测量风速时间点总数；步骤2，提取多日风速时间序列数据NWP的趋势项：对多日风速时间序列数据NWP进行经验模态分解EMD处理，得到各日风速数据的趋势项，提取多日风速时间序列数据NWP趋势项的上包络线和下包络线分别为多日风速时间序列数据NWP趋势项的上、下包络线数据集合；步骤3，提取多日实测风速的时间序列数据obs的趋势项：对多日实测风速的时间序列数据obs进行经验模态分解EMD处理，得到各日风速数据的趋势项，用与步骤2相同的方法提取多日实测风速的时间序列数据obs趋势项的上包络线和下包络线分别为多日实测风速的时间序列数据obs趋势项的上、下包络线数据集合；步骤4，动态时间规整：将多日风速时间序列数据NWP趋势项的上包络线与多日实测风速的时间序列数据obs趋势项的上包络线对应，将多日风速时间序列数据NWP趋势项的下包络线与多日实测风速的时间序列数据obs趋势项的下包络线对应，通过优化后的动态时间规整DTW方法处理，使得多日风速时间序列数据NWP趋势项的上下包络线逼近多日实测风速的时间序列数据obs趋势项的上下包络线，得到新的上包络线和下包络线分别为求得新上、下包络线的数据集合；步骤5，动态拟合反演：通过对新的上、下包络线采用动态自适应图注意力拟合算法反演各日期的时间序列数据，得到时间序列数据{Zdt,d＝1,2,3...D,t＝1,2,3...N}，作为订正后的多日风速时间序列数据NWP，Zdt为反演后的时间序列数据集合；步骤4包括：步骤4-1，定义两组时间序列，分别是：上包络线时间序列组合：与下包络线时间序列组合：与时间序列的长度为D×N，记D×N为参数M；步骤4-2，构建距离矩阵：分别计算每组时间序列中每对点之间的曼哈顿距离，形成两个M×M的距离矩阵D0[i,j]和D1[i,j]，距离矩阵D0[i,j]中的每个元素表示上包络线时间序列组合中多日风速时间序列数据NWP趋势项序列的元素i和多日实测风速的时间序列数据obs趋势项序列的元素j之间的曼哈顿距离；距离矩阵D1[i,j]中的每个元素表示下包络线时间序列组合中多日风速时间序列数据NWP趋势项序列的元素i和多日实测风速的时间序列数据obs趋势项序列的元素j之间的曼哈顿距离；在曼哈顿距离计算的基础上增加导数的扩展，将信号的梯度、曲率纳入距离计算，计算公式为：D[i,j]＝α|xi-yj|+β|x'i-y'j|+γ|x”i-y”j|，其中，D[i,j]为距离矩阵，xi和yj分别为多日风速时间序列数据NWP趋势项序列的元素i和多日实测风速的时间序列数据obs趋势项序列的元素j，α、β、γ为权重系数，|xi-yj|、|x'i-y'j|、|x”i-y”j|分别为xi和yj之间的曼哈顿距离、一阶导数距离和二阶导数距离；x'i、y'j分别为xi的一阶差分、yj的一阶差分，x'i＝xi+1-xi，y'i＝yi+1-yi；x”i、y”j分别为xi的二阶差分、yj的二阶差分，x”i＝x'i+1-x'i，y”i＝y'i+1-y'i；α、β、γ的计算过程为：记[xi,yj]、[x'i,y'j]、[x”i,y”j]的皮尔逊相关系数分别为α1、β1、γ1，计算公式为： 其中，中间参数中间参数中间参数中间参数中间参数中间参数对皮尔逊相关系数归一化处理，得到α、β、γ： 步骤4-3，动态规划计算累积距离：定义累积距离矩阵DTW0[i,j]和DTW1[i,j]，DTW0[i,j]表示上包络线时间序列组合中多日风速时间序列数据NWP趋势项序列的前i个元素到多日实测风速的时间序列数据obs趋势项序列的前j个元素的最小累积距离，DTW1[i,j]表示下包络线时间序列组合中多日风速时间序列数据NWP趋势项序列的前i个元素到多日实测风速的时间序列数据obs趋势项序列的前j个元素的最小累积距离；动态规划的递推公式为：DTW[i,j]＝D[i,j]+minDTW[i-1,j],DTW[i,j-1],DTW[i-1,j-1]，其中DTW[i,j]为两组时间序列中各个元素的最小累计距离，如果分别将多日风速时间序列数据NWP趋势项序列与多日实测风速的时间序列数据obs趋势项序列作为x轴、y轴构建坐标系，则DTW[i-1,j]表示从D[i,j]左边到达，DTW[i,j-1]表示从D[i,j]上边到达，DTW[i-1,j-1]表示从D[i,j]左上角对角线到达；初始化条件为DTW[0,0]＝D[0,0]；步骤4-4，寻找最优路径：从累积距离矩阵的右下角DTW[M,M]开始回溯，找到累积距离最小的最优路径，最优路径上的累积距离之和为多日风速时间序列数据NWP趋势项序列与多日实测风速的时间序列数据obs趋势项序列的动态时间规整DTW距离；根据最优路径，对多日风速时间序列数据NWP趋势项的上、下包络线数据进行订正，使多日风速时间序列数据NWP趋势项的上、下包络线数据逐渐逼近多日实测风速的时间序列数据obs趋势项的上、下包络线数据，最终得到新的上包络线和下包络线

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。