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！

龙图腾网获悉重庆理工大学申请的专利一种基于小波的风电场发电功率效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：CN117033987B 。

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：202311165632.9，技术领域涉及：G06F18/2131；该发明授权一种基于小波的风电场发电功率效率预测方法是由王海琨;张学维;杜嘉慧设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本一种基于小波的风电场发电功率效率预测方法在说明书摘要公布了：本发明涉及风力发电技术领域，尤其涉及一种基于小波的风电场发电功率效率预测方法。步骤如下：S1：对风电功率的数据进行收集；S3：通过移动平均技术将原始时间序列得到趋势性数据，再通过离散小波分解，将经过趋势性分解后的剩余残差数据分解为近似函数和细节函数。本发明提供的一种基于小波的风电场发电功率效率预测方法，通过提出的一种基于小波的傅立叶增强网络模型算法用于风功率预测，并通过引入趋势分解和小波变换，在长期时间预测环境中适应学习和捕捉时间模式，当数据进入小波变换后，将得到不同尺度的细节函数和近似函数从而进一步提取序列的时频局部特征，从而提高预测性能。

本发明授权一种基于小波的风电场发电功率效率预测方法在权利要求书中公布了：1.一种基于小波的风电场发电功率效率预测方法，其特征在于，步骤如下： S1：对风电功率的数据进行收集； S3：通过移动平均技术将原始时间序列得到趋势性数据，再通过离散小波分解，将经过趋势性分解后的剩余残差数据分解为近似函数和细节函数； 通过傅里叶增强时序信息特征提取模块； 通过时序信息特征提取模块对近似函数和细节函数中的时序信息进行处理； 通过重构过程将处理后的近似函数和细节函数合并，恢复回原始数据的标准形式，保留原始时序信息； S4：通过分层双残差拓扑结构挖掘数据中的潜在特征，提高模型的性能和训练性； 通过趋势分解得到的趋势性数据和经过小波提取得到细节函数与近似函数分别作为输入，分离为奇数位序列数据和偶数位序列数据两个子序列，通过两个序列交互学习来补偿信息损失，表达式如下： ； 其中，是通过两个前馈神经网络训练后投影的隐状态，表示逐元素乘积法，和为利用前馈神经网络搭建的训练的结构，； 通过傅里叶增强模块将时域信息转为频域信息，进行捕捉数据中的周期性、趋势和模式，表达式如下： ； 其中，是交互学习模块的最终输出，其中和是基于傅里叶变换搭建的傅里叶增强结构，，是傅里叶增强函数； 所述S3步骤中，通过U-net结构提取更大范围时间序列数据之间的相关性，进行捕捉时序信息，步骤如下： 通过下采样压缩信息来提取更大范围时间序列数据的特征，且每一层的输出作为下一层的输入； 同时在上采样阶段中，结合同层的下采样压缩信息再进行上采样嵌入； 通过残差连接将趋势性分解后剩下的残差数据添加到时间序列中，以生成具有增强预测性的新序列； 经过U-net结构后完成编码部分得到，将编码输出的输入进全连接层进行解码预测出。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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”。