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！

龙图腾网获悉国网江西省电力有限公司电力科学研究院申请的专利基于风速-误差特征融合的风电场风速预测纠偏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：CN120745436B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511196110.4，技术领域涉及：G06F30/27；该发明授权基于风速-误差特征融合的风电场风速预测纠偏方法及系统是由何昊;吴康;匡德兴;赵伟哲;何伟;万子镜;黄旭设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本基于风速-误差特征融合的风电场风速预测纠偏方法及系统在说明书摘要公布了：本发明公开了一种基于风速‑误差特征融合的风电场风速预测纠偏方法及系统，方法包括：基于历史窗口提取两类误差分布特征：预测时刻风速条件下的预测误差分位特征和回望时窗误差序列的分位统计特征，显式刻画误差的动态变化规律；然后，构建风速预测纠偏模型，由两个Bi‑LSTM编码器分别提取风速与误差信息的时序特征，并与误差分布特征在时间步上拼接，通过线性映射实现特征融合；然后由LSTM解码器以融合特征和未来预测风速为输入，输出纠偏后的风速预测结果，实现对日前风速预测偏差的修正。通过引入风速条件误差建模与风速‑误差特征融合机制，提升了风电场站风速预测的精度与稳健性，为风电功率预测和系统调度提供了更高质量的风速数据支持。

本发明授权基于风速-误差特征融合的风电场风速预测纠偏方法及系统在权利要求书中公布了：1.一种基于风速-误差特征融合的风电场风速预测纠偏方法，其特征在于，包括： 采集目标风电场站D个历史样本日的5分钟级轮毂处的实测风速和轮毂处的预测风速，并计算每一时刻的单步预测误差，，形成误差序列，其中，为样本总时间步数； 对实测风速、预测风速以及误差序列采用最大最小归一化方法归一化到[0,1]区间，得到归一化后的实测风速、归一化后的预测风速以及归一化后的误差序列； 分别提取起测时间点前个时间步的误差条件分布特征和回望窗口的误差分位统计特征，并将所述误差条件分布特征和所述误差分位统计特征进行拼接，得到预测误差特征序列 将归一化后的实测风速序列、误差序列、预测风速序列和预测误差特征序列输入至预设的风速预测纠偏模型中，所述风速预测纠偏模型输出得到风电场站风速预测纠偏结果，其中，为历史回望窗口长度，为预测时窗长度，所述风速预测纠偏模型包括编码器模块、特征融合模块以及解码器模块； 所述将归一化后的实测风速序列、误差序列、预测风速序列和预测误差特征序列输入至预设的风速预测纠偏模型中，所述风速预测纠偏模型输出得到风电场站风速预测纠偏结果包括： 分别对实测风速序列和误差序列进行特征提取，得到误差全序列特征和风速全序列特征； 将编码器模块提取的误差全序列特征，风速全序列特征分别沿时间维度重复复制次，扩展到预测时窗长度； 将、与预测误差特征序列，按时间步拼接，形成融合输入特征，再根据线性变换进行特征融合，得到融合特征； 将融合特征与预测风速序列进行逐时间步拼接，得到融合特征序列，并作为解码器模块的输入； 通过解码器模块中的单层LSTM单元处理所述融合特征序列，得到隐藏状态序列，再经由全连接映射层，将隐藏状态序列映射为风电场站风速预测纠偏结果。

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江西省电力有限公司电力科学研究院，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88号检测试验中心科研楼(第1-11层)；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。