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！

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司珠海供电局申请的专利风电出力预测方法、装置、系统及计算机程序产品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：CN119577443B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411628815.4，技术领域涉及：G06F18/214；该发明授权风电出力预测方法、装置、系统及计算机程序产品是由欧仲曦;张亮;钱利宏;赵晓燕;胡大朋;黄志新;郭晓燕;赵紫辉设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本风电出力预测方法、装置、系统及计算机程序产品在说明书摘要公布了：本申请公开了一种风电出力预测方法、装置、系统及计算机程序产品，涉及风电技术领域。其中，该方法包括：获取风电机组的历史运行数据；利用目标极限梯度提升模型对历史运行数据进行出力特征预测，得到风电机组的预测出力信息；其中，历史运行数据包括多个数据样本，目标极限梯度提升模型基于目标损失函数训练得到，目标损失函数由多个数据样本对应的经验损失函数以及多个基学习器对应的正则化约束项构建，经验损失函数用于通过目标控制系数控制目标极限梯度提升模型对异常样本的敏感程度，正则化约束项用于限制目标极限梯度提升模型的复杂度处于预设的拟合范围。本申请解决了相关技术中风电出力预测方案的准确性低、适应性差的技术问题。

本发明授权风电出力预测方法、装置、系统及计算机程序产品在权利要求书中公布了：1.一种风电出力预测方法，其特征在于，包括： 获取风电机组的历史运行数据； 利用目标极限梯度提升模型对所述历史运行数据进行出力特征预测，得到所述风电机组的预测出力信息； 其中，所述历史运行数据包括多个数据样本，所述目标极限梯度提升模型基于目标损失函数训练得到，所述目标损失函数由所述多个数据样本对应的经验损失函数以及多个基学习器对应的正则化约束项构建，所述经验损失函数用于通过目标控制系数控制所述目标极限梯度提升模型对异常样本的敏感程度，所述正则化约束项用于限制所述目标极限梯度提升模型的复杂度处于预设的拟合范围； 其中，每个数据样本中的多个特征参数包括：风速、风向角度、环境温度、发电机转速、发电机功率；获取所述风电机组的所述历史运行数据包括：获取所述风电机组在历史时域中每个特征参数对应的采样数据；对所述采样数据执行数据预处理操作，更新所述采样数据，其中，所述数据预处理操作包括：数据清洗操作、缺失值处理操作和异常值处理操作；基于预设的取值区间，对每个特征参数对应的所述采样数据进行均值计算，得到所述多个数据样本； 利用目标极限梯度提升模型对所述历史运行数据进行出力特征分析，得到所述风电机组的所述预测出力信息包括：将所述多个数据样本中的目标数据样本输入所述目标极限梯度提升模型，构建所述多个基学习器，其中，所述多个基学习器中的每个基学习器用于对所述目标数据样本中的多个特征参数进行分析预测，得到参数预测结果；对所述参数预测结果进行求和计算，得到所述预测出力信息； 所述基学习器为分类回归树模型，所述正则化约束项用于对所述分类回归树模型的叶子节点参数进行约束；构建所述多个基学习器中的目标基学习器包括：基于预设的误差函数、预设的分裂准则和所述目标数据样本的特征取值范围，确定树分裂节点；根据所述树分裂节点，构建所述目标基学习器； 所述经验损失函数由所述多个数据样本对应的多个子函数累加得到，所述多个子函数中的目标子函数用于确定目标数据样本与所述目标数据样本对应的参数预测结果之间的目标误差，所述目标误差为受到所述目标控制系数约束的平方误差，所述目标误差用于确定所述目标数据样本是否属于所述异常样本； 所述正则化约束项由所述多个基学习器对应的多个正则项累加得到，所述多个正则项中的目标正则项用于约束目标基学习器对应的叶子节点数量和叶子节点权重系数。

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广东电网有限责任公司;广东电网有限责任公司珠海供电局，其通讯地址为：510600 广东省广州市越秀区东风东路757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。