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！

龙图腾网获悉浙江大学申请的专利一种基于高斯过程和组合模型的风速向量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：CN115907099B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202211356272.6，技术领域涉及：G06Q10/04；该发明授权一种基于高斯过程和组合模型的风速向量预测方法是由王腊斌;李超;杨秦敏;郝楷;孟文超;袁林松;林玮;陈正东设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本一种基于高斯过程和组合模型的风速向量预测方法在说明书摘要公布了：本发明公开了一种基于高斯过程和组合模型的风速向量预测方法，根据风速序列及相关特征预测未来平均风速风向大小。该方法设计风速向量分解方法，通过奇异谱分析分解风速序列，利用差分自回归移动平均模型进行周期项拟合，利用组合模型进行趋势项预测，并用权重修正的粒子群算法寻找模型权重，利用基于时间窗口滑动的高斯过程进行残差项的预测，最后通过向量合成的方法得到预测的风速和风向。在评价模型性能时，考虑到方向的周期性和传统指标的不适用性，采用新指标进行模型性能的评价。本发明采用“向量”的思想来处理风速风向，采用“组合”的思想来进行预测，具有较好的预测能力和泛化能力。新指标更能反映模型的预测能力，物理意义更强。

本发明授权一种基于高斯过程和组合模型的风速向量预测方法在权利要求书中公布了：1.一种基于高斯过程和组合模型的风速向量预测方法，其特征在于，包括以下步骤： 步骤1，选取风电机组，获取该风电机组SCADA系统中记录的N条运行数据，将其划分为训练集、验证集和测试集； 步骤2，进行向量分解，将SCADA系统中每时刻获取到的风速和风向，转化为X方向风速和Y方向风速并且之后构建X、Y独立模型分别预测这两个方向的风速； 步骤3，构建特征，获取步骤2处理后的风速序列，计算每个时间节点前的平均风速并将其作为新特征，计算每个时间节点后的平均风速并将其作为预测标签，将训练集上的新特征、预测标签和SCADA获取到的其他特征进行标准化，同时保存每个特征标准化的均值和方差，然后输入到X、Y独立模型进行训练； 步骤4，训练阶段，利用奇异谱分析分解训练集的预测标签为不同的成分序列，选择第一项作为趋势项，选择第二项之后的部分项相加作为周期项，其余项作为噪声忽略； 步骤5，训练周期项模型，选择差分自回归移动平均模型进行拟合，在选择自回归项数p和移动平均项数q时，首先利用ACF图和PACF图进行p、q范围的选择，选择标准为产生截尾或拖尾效果的邻域，然后根据BIC准则，进行网格寻优来确定p、q的具体值，参数确定后，输入训练集数据得到X、Y独立模型的拟合周期项数据ytrainarima-X和ytrainarima-Y； 步骤6，训练趋势项模型，利用步骤3标准化后的输入特征，选择极限梯度提升、门控循环单元、支持向量回归三个模型分别进行拟合，并利用验证集确定部分超参数，超参数确定后，输入训练集数据得到X独立模型的拟合趋势项ytrainXGB-X、ytrainGRU-X、ytrainSVR-X和Y独立模型的拟合趋势项ytrainXGB-Y、ytrainGRU-Y、ytrainSVR-Y； 步骤7，确定组合模型的权重，利用步骤5和步骤6得到的拟合数据，采用权重修正的粒子群算法在验证集上进行模型权重的寻找，同时保证差分自回归移动平均模型的权重ωARIMA为1，极限梯度提升模型的权重ωXGB、门控循环单元模型的权重ωGRU和支持向量回归模型的权重ωSVR满足ωXGB+ωGRU+ωSVR＝1，模型权重寻找过程中，采用预测向量与拟合向量之差的模作为寻找过程中的损失函数，并选择其最小所对应的权重，通过组合模型计算公式，得到X、Y独立模型的拟合数据ytrainX、ytrainY； 步骤8，训练时间窗口滑动的高斯过程模型，利用步骤2标准化过程中的均值和方差，对步骤7得到的拟合数据进行反标准化，并计算反标准化后的数据与步骤3中预测标签数据的残差，针对残差数据，利用步骤3标准化后的输入特征，在每个时间节点前构建时间窗口，用时间窗口内的数据进行高斯过程的拟合，并直接在训练集中确定模型参数，选择残差拟合的平均绝对误差MAE作为损失函数，通过网格法搜寻超参数； 步骤9，测试阶段，利用步骤3标准化过程中的均值和方差，标准化测试集的输入特征数据，并输入X、Y独立模型进行预测； 步骤10，利用步骤5训练好的周期项模型，预测测试集X、Y独立模型的周期项数据利用步骤6训练好的趋势项模型，预测测试集X独立模型的三个趋势项数据及Y独立模型的三个趋势项数据利用步骤7确定的组合模型权重，通过组合模型计算公式，得到组合模型数据，利用步骤3标准化过程中的均值和方差对组合模型数据进行反标准化得到组合模型预测输出 步骤11，利用步骤8训练好的时间窗口滑动的高斯过程模型，预测测试集X、Y独立模型的残差数据eX、eY，将步骤10得到的组合模型预测输出与残差数据相加得到X方向的风速预测值和Y方向的风速预测值即 步骤12，利用步骤11计算的X、Y方向预测值，采用向量合成的计算方法，得到预测的风速大小和风向

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。