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！

龙图腾网获悉福建省气象服务中心(福建省气象影视中心)申请的专利一种基于动态时空建模的风电场风速订正方法及系统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：CN120687794B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511179318.5，技术领域涉及：G06F18/21；该发明授权一种基于动态时空建模的风电场风速订正方法及系统是由陈晓梦;郭伟;李白良;王加义;黄曼;林铖设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本一种基于动态时空建模的风电场风速订正方法及系统在说明书摘要公布了：本发明涉及风力发电技术领域，公开了一种基于动态时空建模的风电场风速订正方法及系统，该方法包括：获得整场功率曲线并获得历史时段的整场风速构建多模态训练数据集；输入卷积神经网络提取局部特征，并输入长短期记忆网络，计算各时间步特征的相关性并获得注意力权重，最终获得全局特征表示；设置两条多层感知机分支进行风速预测订正，获得普通天气分支预测值与极端天气分支预测值；构建各扇区的订正曲线并获得订正曲线预测值；根据普通天气分支预测值、极端天气分支预测值与订正曲线预测值加权融合获得最终风速订正值。本申请提升了订正精度与稳健性，增强了模型的可解释性与适用性。

本发明授权一种基于动态时空建模的风电场风速订正方法及系统在权利要求书中公布了：1.一种基于动态时空建模的风电场风速订正方法，其特征在于，包括： 获取风电场中各风力发电机组的实测功率曲线，并对所述实测功率曲线进行预处理获得整场功率曲线； 根据所述整场功率曲线获得历史时段的整场风速，并与整场风向进行时间序列关联，同时采集对应时段的气象特征，构建多模态训练数据集； 将所述多模态训练数据集输入卷积神经网络提取风速时空数据的局部特征，并将所述局部特征输入长短期记忆网络，在所述长短期记忆网络输出的特征序列中引入注意力机制，计算各时间步特征的相关性并获得注意力权重，根据所述注意力权重对所述时间步特征进行加权汇聚，获得全局特征表示； 设置两条多层感知机分支，将所述全局特征表示输入对应的多层感知机分支进行风速预测订正，获得普通天气分支预测值与极端天气分支预测值； 按所述整场风向将所述多模态训练数据集划分至若干个层级的圆形扇区，基于历史气象预报风速与所述整场风速的关系构建各所述扇区的订正曲线，将目标时段的气象预报风速输入目标风向所在的扇区及其相邻扇区对应的订正曲线获得扇区订正结果，并通过反距离加权融合所述相邻扇区的扇区订正结果获得订正曲线预测值； 根据所述普通天气分支预测值、极端天气分支预测值与所述订正曲线预测值加权融合获得最终风速订正值； 设置两条多层感知机分支，将所述全局特征表示输入对应的多层感知机分支进行风速预测订正，获得普通天气分支预测值与极端天气分支预测值时，包括： 设置两条多层感知机分支时，包括普通天气多层感知机分支与极端天气多层感知机分支； 每条所述多层感知机分支包括至少两层全连接层与非线性激活，并在层间设置随机失活抑制过拟合；在训练阶段基于天气标签仅对对应的所述多层感知机分支进行参数更新而冻结另一所述多层感知机分支，在预测阶段将所述全局特征表示分别前向输入两条所述多层感知机分支以同时生成所述普通天气分支预测值与所述极端天气分支预测值，采用分位点损失作为稳健损失函数对训练误差进行约束； 按所述整场风将所述多模态训练数据集划分至若干个层级的圆形扇区，基于历史气象预报风速与所述整场风速的关系构建各所述扇区的订正曲线时，包括： 以所述整场风向为角度变量将风向圆周划分为等角宽度的所述圆形扇区，并按风速等级将扇区外延划分为若干环带构成层级结构； 在每个所述圆形扇区内，以历史气象预报风速为自变量、以所述整场风速为因变量进行单调约束回归拟合获得所述订正曲线。

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福建省气象服务中心(福建省气象影视中心)，其通讯地址为：350000 福建省福州市仓山区建新中路108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。