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！

龙图腾网获悉湖南工程学院申请的专利一种风机运维数据驱动的LSTM-SA神经网络超短期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：CN115329937B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202210992048.X，技术领域涉及：G06F18/27；该发明授权一种风机运维数据驱动的LSTM-SA神经网络超短期功率预测方法是由黄峰;贾任远;游红设计研发完成，并于2022-08-17向国家知识产权局提交的专利申请。

本一种风机运维数据驱动的LSTM-SA神经网络超短期功率预测方法在说明书摘要公布了：本发明公开了一种风机运维数据驱动的LSTM‑SA神经网络超短期功率预测方法，包括：获得目标风力发电机的运维数据进行预处理；使用lasso算法和皮尔逊相关系数法进行特征筛选，然后训练FNN模型，获得风机发电功率与筛选数据的函数关系；基于FNN模型，使用链式求导法则求得发电功率的变化率；将发电功率的变化率和历史功率值一起作为训练集，对LSTM网络进行训练，采用注意力机制对LSTM网络模型进行优化，得到LSTM‑SA神经网络模型；实现对目标风力发电机的下一时刻输出功率的预测。该方法具有更高的预测精度、更快的收敛速度以及较好的稳定性等优点，能解决风电训练数据较少，而精度要求较高的超短期功率预测难题。

本发明授权一种风机运维数据驱动的LSTM-SA神经网络超短期功率预测方法在权利要求书中公布了：1.一种风机运维数据驱动的LSTM-SA神经网络超短期功率预测方法，其特征在于，包括以下步骤： 获得目标风力发电机的运维数据，对所述运维数据进行预处理；所述运维数据包括：风速、叶片偏转角、偏航角、湿度和温度； 将预处理后的风机运维数据，使用lasso算法和皮尔逊相关系数法进行特征筛选，获得对风电功率变化影响较大的筛选数据； 基于所述筛选数据，训练FNN模型，获得风机发电功率与所述筛选数据的函数关系； 基于训练获得的FNN模型，使用反向传播算法和链式求导法则求得发电功率的变化率； 将所述发电功率的变化率和历史功率值一起作为训练集，对LSTM网络进行训练，采用注意力机制对LSTM网络模型进行优化，得LSTM-SA神经网络模型； 基于LSTM-SA神经网络模型对所述目标风力发电机的下一时刻输出功率进行预测； 其中，基于训练获得的FNN模型，使用链式求导法则求得发电功率的变化率，包括： 通过FNN求得功率P对风速S的偏导： 11式中，FS,θ表示隐函数；S表示风速；θ表示叶片偏转角；P'表示发电功率P的导数； 使用反向传播算法，损失函数Loss对全局求偏导，求得损失函数对风速S的偏导和损失函数对P的偏导；通过链式求导法则，进而求得P'，作为发电功率的变化率。

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湖南工程学院，其通讯地址为：411101 湖南省湘潭市岳塘区福星中路88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。