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！

龙图腾网获悉泰豪软件股份有限公司申请的专利层级化双模型融合的风电功率预测数据模型的训练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：CN119830958B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202411937395.8，技术领域涉及：G06N3/0455；该发明授权层级化双模型融合的风电功率预测数据模型的训练方法是由张远来;王梦辉;熊福喜;晏斐设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本层级化双模型融合的风电功率预测数据模型的训练方法在说明书摘要公布了：本发明公开了一种层级化双模型融合的风电功率预测数据模型的训练方法，涉及风电场景下的数字化智能技术，该数据模型首先基于Transformer架构与卷积神经网络构建一个数据层，然后利用预构建的标注数据集对此数据层进行预训练，得到双模型融合的风电功率预测数据模型，记作A模型；进一步在A模型的基础上构建一个独立的数据层，记作B模型，由此形成一种层级化的数据模型架构。本发明提出的层级化模型架构能够显著提升风电功率数据化智能建模的效能。

本发明授权层级化双模型融合的风电功率预测数据模型的训练方法在权利要求书中公布了：1.层级化双模型融合的风电功率预测数据模型的训练方法，其特征在于：基于Transformer架构与卷积神经网络构建一个数据层，利用预构建的标注数据集对此数据层进行预训练，得到双模型融合的风电功率预测数据模型，记作A模型；在A模型的基础上构建一个独立的数据层，记作B模型，由此形成一种层级化的数据模型架构； 所述B模型构建为融合如下两个数据要素的数据模型：要素x：气象时空动态特征；要素y：风电发电场景；B模型构建为A模型的上层结构，首先，针对预训练后的A模型，B模型将其中的可调参数进行预调整，预调整后得到变异模型集合A′；然后，变异模型集合A′当中的每一个元素作用到要素y所对应的有序数据集合中的每一个元素上；由于要素x是依照时空顺序依次作用到要素y的各个元素上，由此，B模型能够进行数据观察，即观察变异模型集合A′中各个元素作用到y的前几个元素后，识别出预测效果与实际风电数据最接近的某一个或某几个变异模型，得到一个新的变异模型集合，记作A′′；基于A′′对A模型进行实时调整，从而对于要素y所对应的有序数据集合中的后几个元素，实现风电功率预测的实时动态优化； 要素x与要素y的关联关系为：要素x考虑气象条件的时空动态特征对不同要素y发生影响的时空顺序；要素x依照时空顺序依次对处于不同地理位置的风电发电场景发生影响，其先后影响的不同风电发电场景对应一个有序数据集合。

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泰豪软件股份有限公司，其通讯地址为：330000 江西省南昌市高新开发区泰豪大厦；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”。