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！

龙图腾网获悉河北工业大学申请的专利基于元学习与内容匹配的时空风电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：CN119397248B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411614434.0，技术领域涉及：G06F18/213；该发明授权基于元学习与内容匹配的时空风电功率预测方法是由顾军华;闫雨乐;张亚娟;郭丁玮;于继伟设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于元学习与内容匹配的时空风电功率预测方法在说明书摘要公布了：本发明属于风电功率预测技术领域，具体是一种基于元学习和内容匹配的时空风电功率预测方法。首先获取由多个源域任务形成的源域数据集，以及获取目标域任务；然后，构建风电功率预测模型，包括周期性嵌入层、编码器、内容匹配存储网络和预测层；周期性嵌入层用于捕获风电功率数据的周期性信息，编码器分别提取时间特征和空间特征并进行融合，得到时空融合特征；内容匹配存储网络将编码器提取的时空融合特征与记忆力节点特征向量根据相似性进行匹配，得到匹配的节点特征向量；预测层利用匹配的节点特征向量和编码器提取的时空融合特征进行预测，输出风电功率预测结果；最后，利用源域数据集并基于元学习对风电功率预测模型进行训练，将源域训练后的风电功率预测模型迁移到目标域，用于目标域任务的预测。该方法充分考虑风电功率的时空相关性，模型具有良好的泛化能力和预测性能。

本发明授权基于元学习与内容匹配的时空风电功率预测方法在权利要求书中公布了：1.一种基于元学习和内容匹配的时空风电功率预测方法，其特征在于，包括以下步骤： 第一步：对多个源域风电场进行数据采样，得到由多个源域任务形成的源域数据集；获取目标风电场的数据作为目标域任务； 第二步：构建风电功率预测模型；所述风电功率预测模型包括周期性嵌入层、编码器、内容匹配存储网络和预测层； 所述编码器包含多个编码器层，每个编码器层均包括时间特征提取、空间特征提取和时空特征融合三个模块；在空间特征提取模块中，首先通过式5、6构建参数化邻接矩阵和动态邻接矩阵： 5 6 式中，表示归一化操作，表示ReLU激活函数，表示可学习的参数矩阵，表示矩阵转置，表示第n个任务经过周期性嵌入后的特征，、表示可学习的参数矩阵； 然后，将参数化邻接矩阵、动态邻接矩阵以及空间特征提取模块的输入特征，输入到图卷积网络中，提取空间特征，其过程表示为： 7 8 式中，表示空间特征，代表图卷积操作，代表均方根层归一化操作； 将编码器提取的时空融合特征输入到内容匹配存储网络中进行信息匹配，得到匹配的节点特征向量，其过程表示为： 11 12 13 式中，代表查询向量，表示权重矩阵，表示偏置，表示查询向量与第j个记忆力节点特征向量之间的相似度，代表记忆力节点特征向量的数量； 将匹配的节点特征向量和编码器提取的时空融合特征输入到预测层中进行预测，输出预测结果； 第三步：基于元学习对风电功率预测模型进行训练； 任务模型与风电功率预测模型的网络架构相同而参数不同，利用源域数据集对任务模型进行训练并更新，利用任务模型的参数更新风电功率预测模型的参数，得到源域训练后的风电功率预测模型； 第四步：利用目标域任务对源域训练后的风电功率预测模型进行训练，得到目标域训练后的风电功率预测模型；将目标域训练后的风电功率预测模型用于目标域任务的预测。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院；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。