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！

龙图腾网获悉合肥工业大学申请的专利一种基于改进WGAIN的风电功率缺失数据补全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：CN119990233B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510064628.6，技术领域涉及：G06N3/082；该发明授权一种基于改进WGAIN的风电功率缺失数据补全方法是由唐昊;黄健;王涛;程文娟;张芳海;陈曦设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于改进WGAIN的风电功率缺失数据补全方法在说明书摘要公布了：本发明属于风电功率缺失数据补全领域。为解决风电功率数据缺失问题，本发明提出了一种基于改进生成对抗插补网络的数据补全方法。该方法在生成器中融合了卷积神经网络、长短时记忆网络和自注意力机制，以充分挖掘时间序列数据的长期依赖性和多特征间的潜在相关性。判别器则通过引入Wasserstein距离，优化了生成数据分布与真实数据分布之间的差异度量，显著提升了模型对缺失数据的补全精度和整体性能。

本发明授权一种基于改进WGAIN的风电功率缺失数据补全方法在权利要求书中公布了：1.一种基于改进WGAIN的风电功率缺失数据补全方法，其特征在于，包括以下步骤： 步骤1：定义风电功率缺失数据补全问题； 步骤2：设计改进的WGAIN模型，包括生成器网络与判别器网络结构的优化及损失函数设计； 步骤2.1：生成器网络设计 生成器接收数据矩阵，噪声矩阵和掩码矩阵，通过CNN层、LSTM层、自注意力机制层和全连接层组成，CNN层用于提取特征，LSTM层捕捉时间序列的时间依赖性，自注意力机制层通过赋予序列不同权重揭示多变量之间的潜在相关性，具体计算公式如下： 式中和分别为计算相似度的查询向量和关键向量，为值向量，为键的维度，为属于的数据，和为训练参数； 步骤2.2：生成器损失函数设计 改进的WGAIN生成器损失函数由重构损失和生成损失组成，其中确保生成数据与真实分布接近，限制生成器在已知观测值上的表现，设为判别器的输出，生成器损失函数计算公式如下： 式中为期望，是控制生成损失和重构损失之间比例的超参数； 其中是控制生成损失和重构损失之间比例的超参数； 步骤2.3：判别器网络设计 判别器网络结构包括两层卷积层和一层全连接层，两层卷积层的激活函数选择LeakyReLU，而全连接层的激活函数选择Sigmoid，用于生成最终的概率值，确保输出在[0,1]范围内； 步骤2.4：设计提示机制 为提升判别器D区分原始数据与生成数据的能力，设计了一种提示矩阵H，提示矩阵H的计算公式如下： 式中W为随机二值矩阵，其维度与掩码矩阵M相同，其元素从{0,1}中采样； 步骤2.5：判别器损失函数设计 判别器D的任务是判断补全后数据中的哪些值是原始观测值，哪些值是生成值，其输入为补全后数据和提示矩阵H，输出是一个大小与原始数据一致的矩阵，矩阵中的每个值表示输入数据对应位置为原始观测值的概率，判别器利用Wasserestein距离来区分生成值和真实值，通过提高学习的稳定性和解决模式崩溃问题，使模型比其他GAN更容易训练，其损失函数为： 步骤3：基于生成器与判别器的博弈训练策略进行模型优化； 步骤4：评估风电功率缺失数据补全结果的误差。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193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”。

以上内容由龙图腾AI智能生成。