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！

龙图腾网获悉北京科技大学申请的专利基于进化框架的模糊对抗生成网络风功率预测方法及装置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：CN114462719B 。

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：202210181632.7，技术领域涉及：H02J3/00；该发明授权基于进化框架的模糊对抗生成网络风功率预测方法及装置是由曲福明;荆洪迪;柳小波;王培涛;陈岩;李鹏;张英设计研发完成，并于2022-02-25向国家知识产权局提交的专利申请。

本基于进化框架的模糊对抗生成网络风功率预测方法及装置在说明书摘要公布了：本发明涉及风功率预测技术领域，特别是指一种基于进化框架的模糊对抗生成网络风功率预测方法及装置。该方法包括：构建风机数据生成模型，风机数据生成模型用于生成多个风机数据；构建风机数据合理性判别模型，风机数据合理性判别模型用于判断生成的风机数据是否符合要求；基于风机数据生成模型以及风机数据合理性判别模型，构建基于进化计算的样本生成优化模型；基于进化计算的样本生成优化模型以及真实风机数据，生成多个风机样本数据；构建风电功率预测初始模型，通过风机样本数据对功率预测初始模型进行训练，得到训练完毕的风电功率预测模型；通过风电功率预测模型，预测风电功率。采用本发明，可以提高复杂条件下风功率预测的效果。

本发明授权基于进化框架的模糊对抗生成网络风功率预测方法及装置在权利要求书中公布了：1.一种基于进化框架的模糊对抗生成网络风功率预测方法，其特征在于，所述方法包括： S1、构建风机数据生成模型，所述风机数据生成模型用于生成不同条件下的多个风机数据； S2、构建风机数据合理性判别模型，所述风机数据合理性判别模型用于判断生成的多个风机数据是否符合风机数据的要求； S3、基于所述风机数据生成模型以及风机数据合理性判别模型，构建基于进化计算的样本生成优化模型； S4、基于所述进化计算的样本生成优化模型以及真实风机数据，生成多个风机样本数据； S5、构建风电功率预测初始模型，通过所述风机样本数据对所述功率预测初始模型进行训练，得到训练完毕的风电功率预测模型； S6、通过所述风电功率预测模型，预测风电功率； 其中，所述S1包括： S11、对获取的真实风机数据进行预处理，将不同风机不同时间的真实风机数据组成基本的数据样本； S12、使用深度卷积神经网络来构建风机数据生成模型； S13、为了使构建出的生成网络能够按照要求生成特定条件下的风机数据，构建生成数据合理性判别模型Ω； S14、依据生成数据合理性判别模型Ω，构建基于判定模型的有监督深度卷积生成网络； S15、依据所述生成数据合理性判别模型Ω和所述基于判定模型的有监督深度卷积生成模型的损失函数，构建判别模型的损失函数； 其中，所述S2包括： S21、通过大量真实样本拟合任意两个相邻风机产生的风力发电的相关概率密度函数，使用皮尔森相关系数来计算两个风机数据之间的相关性数据； S22、构造模糊逻辑系统隶属函数的前件，将得到的相关性数据输入，首先定义隶属函数前件的术语为相似，采用常用的三角形或者梯形的隶属函数； S23、定义两种类型的模糊逻辑系统规则来判断生成样本是否合理： S24、根据S23的规则，构建三角形的后件隶属函数，由此得到模糊逻辑系统后件的隶属函数μcsq； S25、根据定义的规则前件、后件隶属函数和规则进行模糊推理： S26、根据反模糊化的结果的值判定输入的风机样本数据是否合理； 其中，所述S3包括： S31、将风机数据生成模型作为进化计算的种群生成模块； S32、将风机数据合理性判别模型作为进化计算的选择条件模块； S33、将风机数据生成模型作为进化计算的交叉和变异模块； S34、依据上述构建出的进化计算的各个模块，通过迭代循环的方式生成多个特定条件下的风机样本数据。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。