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！

龙图腾网获悉天津大学申请的专利一种引入部性假设改进的Transformer超短期风电功率预测模型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：CN118868036B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202410881725.X，技术领域涉及：G06Q10/04；该发明授权一种引入部性假设改进的Transformer超短期风电功率预测模型是由刘志强;喻梅;李雪威;徐少奇;高洁;于健设计研发完成，并于2024-07-03向国家知识产权局提交的专利申请。

本一种引入部性假设改进的Transformer超短期风电功率预测模型在说明书摘要公布了：本发明涉及一种引入部性假设改进的Transformer超短期风电功率预测模型，包括PlicLSTM时空特征提取模块及基于MHA的功率预测模块，所述PlicLSTM时空特征提取模块根据风向和距离因素提取局部关键信息，所述基于MHA的功率预测模块关注所有站点间的全局相关性信息。本发明通过对风电功率的精确预测，辅助风电场优化运行策略，降低运行风险，促进风电并网；同时为能源调度部门提供可靠的预测数据支撑，以支持电力系统的平衡调度和能源优化利用，有助于提升风电场的管理效率和电力系统的稳定运行。

本发明授权一种引入部性假设改进的Transformer超短期风电功率预测模型在权利要求书中公布了：1.一种引入部性假设改进的Transformer超短期风电功率预测模型，其特征在于：包括PlicLSTM时空特征提取模块及基于MHA的功率预测模块，所述PlicLSTM时空特征提取模块根据风向和距离因素提取局部关键信息，所述基于MHA的功率预测模块关注所有站点间的全局相关性信息； 所述PlicLSTM时空特征提取模块将超短期WPP中的时空相关性假设引入功率预测模型中，在提取时空特征时注重位于同一主导风向上的局部关键信息；PlicLSTM时空特征提取模块采用PLICN依照风向路径卷积的方式进行特征融合，所述PlicLSTM时空特征提取模块为LSTM结构的扩展，在融合时序信息时注重时序信息的单向传递及邻近时间点的信息； 所述PlicLSTM时空特征提取模块横向为循环结构，PlicLSTMCell以循环的方式依次处理时序数据，记时序输入中单个时刻的输入为Xi，则Xi为三维张量，维度为5×h×w；其中，5为通道数，对应数据集中各风电机的转化功率、风速、温度、压强、空气密度共5项数据特征，h、w分别为选定矩形区域内纵向和横向的风电机数量，PlicLSTM时空特征提取模块纵向为叠加结构，上一层的输出H0,H1,...,Hn将作为下一层的输入； 所述基于MHA的功率预测模块将PlicLSTM时空特征提取模块提取的局部时空特征作为输入，利用MHA模块进一步提取站点间的全局相关性，在所有站点间建立局部时空特征与输出功率之间的关系； 所述基于MHA的功率预测模块为TransformerEncoderLayer的部分结构，包括在空间维度上计算各个站点间注意力矩阵的多头注意力模块、残差连接和归一化模块，基于MHA的功率预测模块可叠加多层最终输出维度为h×w,hidden_dim的结果矩阵，对应区域中h×w个站点；基于MHA的功率预测模块之后接有线性层，将hidden_dim维度降至1，经过softmax激活函数后输出维度为h×w,1的归一化的预测结果，将之乘以对应站点的等效额定功率反归一化后即可得到最终的功率预测值；空间特征提取部分PLICN较CNN加强了在空间局部性上的先验假设，采用依照风向路径卷积的方式进行特征融合，忽略距离较远或位于非主导风向的数据点。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。