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！

龙图腾网获悉国网辽宁省电力有限公司经济技术研究院;国家电网有限公司;东北电力大学申请的专利风电场日前风电功率预测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：CN114021799B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202111270931.X，技术领域涉及：G06F18/23213；该发明授权风电场日前风电功率预测方法及系统是由潘霄;张明理;赵琳;张娜;宋卓然;黄南天;高靖;吕旭明;李华;程孟增;吉星;商文颖;侯依昕;杨朔;杨博;刘禹彤;满林坤;徐熙林;杨海峰;杨方圆;刘凯;李金起;王宗元设计研发完成，并于2021-10-29向国家知识产权局提交的专利申请。

本风电场日前风电功率预测方法及系统在说明书摘要公布了：本发明公开的风电场日前风电功率预测方法及系统，属于风力发电技术领域，包括：根据待预测日风电功率、数值天气预报气象特征和历史日风电功率的相关性，构建原始数据集；除去原始数据集中的待预测日风电功率，得到聚类数据集开展k‑means聚类，获得带簇标签的原始数据集，并根据鲁棒性辅助分类生成对抗网络，生成海量带标签场景；根据已知历史日风电功率和数值天气预报气象特征，确定待预测日的簇标签类别，并根据簇标签类别筛选出与待预测日风电功率相似度高的多个场景；根据相似场景中待预测日风电功率的平均值、上限值及下限值，分别获得待预测日多个设定时刻的风电功率的预测结果。本发明提高了风电功率的点预测与区间预测精度。

本发明授权风电场日前风电功率预测方法及系统在权利要求书中公布了：1.一种风电场日前风电功率预测方法，其特征在于，包括： 根据待预测日风电功率、数值天气预报气象特征和历史日风电功率的相关性，构建含所述数值天气预报气象特征和待预测日风电功率的原始数据集； 除去所述原始数据集中的所述待预测日风电功率，得到聚类数据集并开展k-means聚类，得到带簇标签的原始数据集，并根据鲁棒性辅助分类生成对抗网络，生成海量带标签场景；所述根据鲁棒性辅助分类生成对抗网络，生成海量带标签场景的步骤具体包括： 在辅助分类生成对抗网络的生成器输入端引入数据编码器，并根据真实风电功率及其影响特征数据预先学习浅层原始数据特征，得到随机噪声输入； 生成器根据所述随机噪声，生成海量满足真实样本概率分布特性的样本数据； 判别器根据所述生成的样本数据与原始样本数据，判别生成样本质量，实现训练样本数据扩充； 鲁棒性辅助分类生成对抗网络进行迭代过程，向降低噪声影响的方向开展博弈优化，最终生成噪声干扰下海量带标签的风电功率及其影响特征的样本； 根据已知历史日风电功率和数值天气预报气象特征，确定所述待预测日的簇标签类别，并根据所述簇标签类别，在所述海量带标签场景中筛选出与所述待预测日风电功率相似度高的多个场景，组成相似场景集；所述根据所述簇标签类别，在所述海量带标签场景中筛选出与所述待预测日风电功率相似度高的多个场景，组成相似场景集的步骤具体包括： 根据所述预测日的簇标签在所述海量带标签场景中查找出对应的生成样本； 以所述待预测日风电功率与所述影响特征的皮尔逊相关系数为权系数，设定所述待预测日风电功率的全部影响特征与第j个生成样本间对应特征的加权PCC为PCC，表达式为： 其中，PCCx,y为所述待预测日风电功率与影响特征i之间的PCC；PCCy,yji为已知影响特征i与第j个生成样本影响特征i之间的PCC；PCC为第j个生成样本与所述待预测日特征间的加权PCC； 根据所述PCC从大到小的顺序，在所述簇标签对应的生成样本中筛选出与所述待预测日极强相关历史日间相似性高的多个样本，组成相似场景集； 根据所述相似场景集中所述待预测日风电功率的平均值、上限值及下限值，分别获得所述待预测日多个设定时刻的风电功率的点预测和区间预测结果。

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国网辽宁省电力有限公司经济技术研究院;国家电网有限公司;东北电力大学，其通讯地址为：110015 辽宁省沈阳市沈河区文萃路183-1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。