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！

龙图腾网获悉国网山西省电力有限公司电力科学研究院;华北电力大学(保定)申请的专利基于时序交互与气象特征融合的风电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：CN121303467B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511843748.2，技术领域涉及：G06Q10/04；该发明授权基于时序交互与气象特征融合的风电超短期功率预测方法是由赵军;常潇;王飞;杨超颖;王亮;戴浩男;王金浩;李慧蓬;宋金鸽;张世锋;赵璇设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本基于时序交互与气象特征融合的风电超短期功率预测方法在说明书摘要公布了：本发明提供一种基于时序交互与气象特征融合的风电超短期功率预测方法，涉及风电功率预测技术领域，该方法包括获取风电场历史功率数据及历史气象数据并构建数据集，将数据集划分为第一训练集、第二训练集和验证集；通过功率时序演变隐层特征提取架构提取功率时序演变隐层特征；通过XGBoost模型提取资源功率转化隐层特征：输入气象数据，提取其叶子节点索引并降维；融合功率时序演变隐层特征与资源功率转化隐层特征，输入元学习器MLP输出功率预测值。本发明解决传统集成学习基学习器独立及特征耦合问题，提升超短期风电功率预测精度。

本发明授权基于时序交互与气象特征融合的风电超短期功率预测方法在权利要求书中公布了：1.一种基于时序交互与气象特征融合的风电超短期功率预测方法，其特征在于，包括： S1：获取风电场历史功率数据及历史气象数据并构建数据集，将所述数据集划分为第一训练集、第二训练集和验证集； S2：通过功率时序演变隐层特征提取架构提取功率时序演变隐层特征： 构建至少3个LSTM自编码器作为基学习器，输入历史功率数据； 融合各基学习器的隐层特征生成全局特征，反馈至各基学习器解码器进行协同优化； 其中各LSTM自编码器的编码器输出局部特征： ； 式中，为编码器，为在时刻进行功率预测时编码器输入的历史功率数据向量，为时刻第个编码器的隐层特征输出，称为局部特征，表示历史时间窗口的长度； 通过T-SNE算法将，，进行融合，生成融合特征； 将各基学习器的局部特征与融合特征拼接为全局特征，输入对应解码器进行功率预测量化，功率预测值表示为； ； 式中，为解码器，为在时刻进行功率预测时第个自编码器的预测功率向量，表示预测未来时间窗口的长度； 解码器输出的基学习器预测结果，，组合输入MLP，生成所述功率时序演变隐层特征； S3：通过XGBoost模型提取资源功率转化隐层特征：输入气象数据，提取其叶子节点索引并降维； S4：融合功率时序演变隐层特征与资源功率转化隐层特征，输入元学习器MLP输出功率预测值。

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山西省电力有限公司电力科学研究院;华北电力大学(保定)，其通讯地址为：030001 山西省太原市迎泽区迎泽街道青年路6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。