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！

龙图腾网获悉内蒙古工业大学申请的专利一种基于数据分布拟合的风电场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：CN120657723B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510646098.6，技术领域涉及：H02J3/00；该发明授权一种基于数据分布拟合的风电场功率预测方法是由毕俊喜;张振良;薛志安;刘泉;李国庆;王涛;苏锦智;杨少楠;张向炜设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本一种基于数据分布拟合的风电场功率预测方法在说明书摘要公布了：本发明提供了一种基于数据分布拟合的风电场功率预测方法，在构建加权三重注意力机制的双向GRU神经网络模型时，先通过极大似然估计拟合误差的混合高斯分布，将误差分布参数θ嵌入PINN神经网络模型的误差损失函数，使PINN神经网络模型能同时学习数据规律和误差分布特性，解决传统方法中分布假设与风电场实际数据特性不匹配的问题，提高了风电场功率预测的准确性；然后将三重注意力机制模型的输出层与PINN神经网络的双向GRU层连接，基于三重注意力‑双向GRU动态特征选择，实现对输入的风机特征数据的动态特征增强。利用本发明中构建的加权三重注意力机制的双向GRU神经网络模型预测的风电场功率精度高，并且解决了传统方式在风速突变时模型响应滞后的问题。

本发明授权一种基于数据分布拟合的风电场功率预测方法在权利要求书中公布了：1.一种基于数据分布拟合的风电场功率预测方法，其特征在于：包括以下步骤： 步骤1：获取风电场历史样本数据并进行数据预处理，所述历史样本数据包括整个风电场中所有风机的发电功率以及对应的特征数据；其中，特征数据包括风速、温度和气压； 步骤2：设定基本均方误差损失函数，构建PINN神经网络初始模型并进行训练；以步骤1获取的风机特征数据作为输入数据进行预测，输出每个风机的发电功率预测值及发电功率预测误差； 所述PINN神经网络中设置有双向GRU层； 所述基本均方误差损失函数用于收集风机发电功率预测误差； 步骤3：确定分布拟合损失函数，将所述分布拟合损失函数与所述基本均方误差损失函数加权得到总损失函数，以所述总损失函数替换更新步骤2构建的PINN神经网络初始模型的基本均方误差损失函数；包括以下子步骤： 步骤3.1：确定最优分布，通过最小二乘法得到每个风机的发电功率预测误差在所述最优分布上的概率密度函数Pε；所述最优分布为混合高斯分布； 步骤3.2：根据最大化函数法得到所有风机在所述最优分布上的概率密度函数的参数值Pε|θ： 式中，Lθ|ε为最大化函数，θ为误差分布参数，n为每个特征的数据数量； 步骤3.3：在参数值Pε|θ中引入能量函数Ex；θ和配分函数Zθ，以确定风机发电功率预测误差的概率分布，则得到Zθ＝∫e-Ex；θdx； 其中，能量函数Ex；θ为最优分布的负对数形式；配分函数Zθ为能量函数的全局积分，通过采样得到； 步骤3.4：将分布拟合损失函数LE与基本均方误差损失函数LS加权得到总损失函数L，以总损失函数替换更新步骤2中所述基本均方误差损失函数； 加权计算公式为： 式中，表示风机发电功率分布误差在最优分布下取期望值； λ为损失函数动态权重系数，根据以下公式中KL散度进行调节： λt＝σa·DKLPε|θ||Ps； 式中，σ为Sigmoid函数；a为灵敏度系数；DKL为KL散度，用以衡量风机发电功率预测误差实际分布Ps与Pε|θ的差异； 步骤4：构建三重注意力机制模型，所述三重注意力机制模型用于利用三重注意力机制对输入的风机特征数据进行处理，输出精细三重注意力加权张量 所述精细三重注意力加权张量为重构后风机特征数据，并且重构后风机特征数据与输入的风机特征数据保持相同的形状C×H×W，其中C代表特征通道数，H代表时间序列步长，W代表空间维度； 步骤5：将三重注意力机制模型的输出层与步骤3更新后PINN神经网络模型的双向GRU层连接，以将所述三重注意力机制模型输出的精细三重注意力加权张量输入至PINN神经网络模型的双向GRU层中，得到加权三重注意力机制的双向GRU神经网络模型； 步骤6：利用步骤1获取的风电场样本数据对所述加权三重注意力机制的双向GRU神经网络模型进行训练，训练过程中更新模型参数，并在每个时间步进行梯度更新； 步骤7：利用经步骤6训练后的所述加权三重注意力机制的双向GRU神经网络模型进行风电场功率预测。

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内蒙古工业大学，其通讯地址为：010050 内蒙古自治区呼和浩特市新城区爱民街49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。