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！

龙图腾网获悉湖南大学申请的专利基于算法与场景自适应匹配的风电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：CN121457846B 。

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：202512010654.3，技术领域涉及：G06Q10/063；该发明授权基于算法与场景自适应匹配的风电功率预测方法及装置是由朱利鹏;黄宇辰;刘安颜;李佳勇;张聪设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于算法与场景自适应匹配的风电功率预测方法及装置在说明书摘要公布了：本发明公开了一种基于算法与场景自适应匹配的风电功率预测方法及装置，方法包括：获取样本集；样本集包括预设时间窗口划分下各时间窗口的样本；样本包括时序匹配的历史风速数据、历史风电功率数据和预设数量种算法的风电功率预测数据；根据历史风速数据计算各时间窗口的风速最大波动幅值；根据各风速最大波动幅值结合高斯混合模型将样本集进行划分，得到预设数量个场景；根据预设的关键指标集、辅助指标集和历史风电功率数据计算各场景下各算法风电功率预测数据的综合评分；在各场景中选取综合评分最高的算法作为各场景的指定预测算法；在实际预测时，进行场景识别后匹配场景对应的指定预测算法进行风电功率预测。

本发明授权基于算法与场景自适应匹配的风电功率预测方法及装置在权利要求书中公布了：1.一种基于算法与场景自适应匹配的风电功率预测方法，其特征在于，包括： 获取样本集；所述样本集包括预设时间窗口划分下各时间窗口的样本；所述样本包括时序匹配的历史风速数据、历史风电功率数据和预设数量种算法的风电功率预测数据； 根据所述历史风速数据计算各时间窗口的风速最大波动幅值；根据各风速最大波动幅值结合高斯混合模型将所述样本集进行划分，得到预设数量个场景； 根据预设的关键指标集、辅助指标集和所述历史风电功率数据计算各场景下各算法风电功率预测数据的综合评分；在各场景中选取综合评分最高的算法作为各场景的指定预测算法； 在实际预测时，进行场景识别后匹配场景对应的指定预测算法进行风电功率预测； 根据所述历史风速数据计算各时间窗口的风速最大波动幅值包括： 在所述历史风速数据的各时间窗口下，识别出所有的局部极大值点和局部极小值点，与时间窗口的起始点和结束点共同构成划分风速动态过程的分界点；根据所述分界点将时间窗口切割成若干个连续的风速单调波动段，计算各风速单调波动段的振幅并选取最大值，得到各时间窗口的风速最大波动幅值； 根据各风速最大波动幅值结合高斯混合模型将所述样本集进行划分包括： 根据所述各时间窗口的风速最大波动幅值结合高斯混合模型进行波动状态的预设聚类，得到预设数量个高斯分布概率密度曲线，根据相邻两个高斯分布概率密度曲线的交点得到分类阈值集；所述高斯混合模型的模型参数采用期望最大化算法进行迭代求解；根据所述分类阈值集和所述各时间窗口的风速最大波动幅值将所述样本集中的样本进行划分后归入场景，得到预设数量个场景； 根据所述各时间窗口的风速最大波动幅值结合高斯混合模型进行波动状态的预设聚类，得到预设数量个高斯分布概率密度曲线包括： 定义各时间窗口的风速最大波动幅值数据集，对应个不同的波动状态类别，每个类别均由一个高斯分布描述，其中和分别为类别的均值和方差，为总时间窗口数，即样本总数；为第个时间窗口的风速最大波动幅值； 高斯混合模型的概率密度函数包括： ； 其中，为模型的参数集；为第个高斯分布的混合权重，满足；为第个高斯分布在处的概率密度； 在对所述高斯混合模型进行参数求解后，通过所述高斯混合模型对所述各时间窗口的风速最大波动幅值进行波动状态的预设聚类，预设聚类包括对个波动状态类别进行聚类，得到个高斯分布的参数；根据所述高斯分布的参数得到高斯分布概率密度曲线。

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大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路1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。