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！

龙图腾网获悉安徽大学申请的专利非平稳数据流下的风电机组发电功率自适应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：CN119921308B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510011305.0，技术领域涉及：H02J3/00；该发明授权非平稳数据流下的风电机组发电功率自适应预测方法是由吴振宇;翟琦琦;穆朝絮;魏可蒙;任璐;卞金山设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本非平稳数据流下的风电机组发电功率自适应预测方法在说明书摘要公布了：本发明公开了非平稳数据流下的风电机组发电功率自适应预测方法，包括以下步骤：S1.对数值天气预报NWP数据进行特征提取，得到样本相关特征和序列相关特征，构成样本‑序列特征向量；S2.根据样本‑序列特征向量进行相似度搜索和聚类，划分出不同的气象模式；S3.使用每个气象模式的历史NWP和功率数据离线训练LightGBM网络，得到功率预测模型，根据实时收集NWP气象数据进行功率预测，基于漂移检测与DDA算法，对每个气象模式下功率预测模型的预测性能进行实时监测，并自适应地调整模型参数，实现非平稳数据流下风电功率自适应预测。本发明能够实时监测输入输出映射关系的变化，并自适应地调整模型以适应新的映射关系，提高功率预测精度。

本发明授权非平稳数据流下的风电机组发电功率自适应预测方法在权利要求书中公布了：1.非平稳数据流下的风电机组发电功率自适应预测方法，其特征在于，包括以下步骤： S1.对数值天气预报NWP数据进行特征提取，得到样本相关特征和序列相关特征，构成样本-序列特征向量； S2.根据样本-序列特征向量进行相似度搜索和聚类，划分出不同的气象模式； S3.使用每个气象模式的历史NWP和功率数据离线训练LightGBM网络，得到功率预测模型，根据实时收集NWP气象数据进行功率预测，基于漂移检测与DDA算法，对每个气象模式下功率预测模型的预测性能进行实时监测，并自适应地调整模型参数，实现非平稳数据流下风电功率自适应预测； 利用漂移检测和DDA算法，通过预警阈值Tp1、漂移阈值Tp2将功率预测模型划分为正常、预警和漂移三种状态，具体如下： 输入的NWP数据通过滑动窗口输入到模型中，计算模型对相邻两个窗口的预测精度下降值： ； 其中，和为相邻两个窗口的模型预测误差的均方根和； 当时，模型保持正常状态，当时，模型进入预警状态，当时，模型进入漂移状态； 在不同状态下根据预测精度变化决定是否更新模型参数，实现模型参数自适应调整，包括： 1）在正常状态下，若当前LightGBM模型对相邻两个窗口的预测精度下降值满足，则进入预警状态，缓存窗口开始收集新样本； 2）在预警状态下，若预测精度进一步降低，且、预警状态持续时间未超过设定时长，则使用新样本重新训练模型，并进入漂移状态，同时记录性能基准；若预测精度进一步降低，但是且预警状态持续时间超过设定时长，则视为误报，恢复正常状态； 3）在漂移状态下，缓存窗口继续采集样本，持续对当前模型在新采集样本上的性能进行评估，当时，为新概念的性能基准，则再次使用缓存窗口中的样本重新训练模型，状态恢复正常后释放缓存窗口。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。