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！

龙图腾网获悉燕山大学申请的专利一种基于图网络的多机组风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：CN115238981B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202210840900.1，技术领域涉及：G06Q10/04；该发明授权一种基于图网络的多机组风功率预测方法是由江国乾;徐向东;谢平;武鑫;李小俚;何群设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本一种基于图网络的多机组风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图网络的多机组风功率预测方法，属于风场风功率预测领域，包括以下步骤：记录风场内所有风机的相对位置，以表征空间分布，利用监督控制和数据采集系统采集风场的监测数据，得到各个机组的功率数据，并进行数据预处理；设计图卷积网络特征提取模块，对于风机的空间位置信息与各个机组的自身特征，进行特征提取，将非欧数据转化为欧式数据；再通过时序特征学习层从融合后的特征向量序列中提取时间特征；最后通过回归层对各个风机的风功率进行预测。本发明通过结合图卷积网络和二维时间系数矩阵，从原始数据中自动选择和提取空间特征与时序特征，能够提高整体的预测精度、预测效率和模型鲁棒性，使电力系统的调度更加安全平稳。

本发明授权一种基于图网络的多机组风功率预测方法在权利要求书中公布了：1.一种基于图网络的多机组风功率预测方法，其特征在于：包括以下步骤： S1、记录风场内所有风机的位置信息，利用监督控制和数据采集系统采集风场的监测数据，得到各个机组的功率数据，作为节点特征，并进行数据预处理； S2、针对位置信息和功率数据，设计图卷积网络特征提取模块，用来提取风机的位置信息与各个机组的节点特征； S3、将步骤S2获得的特征序列与二维时间系数矩阵相乘，进一步提取时间维度的特征，输出多视角时空融合特征； S3具体包括以下步骤： S31、根据机组的历史功率数据计算时间系数矩阵，使用最小二乘法求解多元回归问题，为不同机组历史数据的不同时间点赋予对应的系数，将所有机组的时间系数矩阵拼接，得到二维时间系数矩阵；通过将图卷积网络提取到的空间特征与二维时间系数矩阵对应位置的值相乘来提取时序信息，达到时空特征融合的目的； S4、构建全连接回归层，将步骤S3获得的多视角时空融合特征输入到全连接回归层中，得到风场内所有风机的风功率预测结果； S4具体包括以下步骤： S41、定义风功率预测为一个回归预测问题； S42、将S31获取的最终时空特征转化为二维矩阵并输入到具有平均绝对误差损失函数的回归层中，对机组的风功率进行评估；其中平均绝对误差的计算公式如下： 其中，yi表示真实值，表示预测值，MAE为求平均值后得到预测值和真实值之间的平均绝对误差。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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”。