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！

龙图腾网恭喜北京华能新锐控制技术有限公司申请的专利一种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：CN114139777B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202111349004.7，技术领域涉及：H02J3/00；该发明授权一种风电功率预测方法及装置是由麻红波;曾凡春;曹利蒲;杨继明;田长风;陈岩磊;张澈;王传鑫设计研发完成，并于2021-11-15向国家知识产权局提交的专利申请。

本一种风电功率预测方法及装置在说明书摘要公布了：本发明提供一种风电功率预测方法及装置。所述方法包括：风电机组运行数据的采集；基于卡尔曼滤波的数据预处理；增广深度STSR‑LSTM网络的构建；基于飞蛾火焰算法的增广深度STSR‑LSTM网络的参数优化；所提出的中长期风电功率预测方法的性能验证。本发明的风电功率预测方法，提供了一种基于飞蛾火焰算法优化选通递归神经网络深度学习的风电功率预测方法以实现风机功率的精准预测。本发明聚焦于中长期风电功率预测，提出了增广的深度序列到序列长短期记忆回归网络模型来提高预测性能，可有效提高风电功率预测精度。本发明通过飞蛾火焰算法对所用深度学习及神经网络模型中的参数进行优化，从而进一步保证算法性能。

本发明授权一种风电功率预测方法及装置在权利要求书中公布了：1.一种风电功率预测方法，其特征在于，所述方法包括：风电机组运行数据的采集；基于卡尔曼滤波的数据预处理；增广深度STSR-LSTM网络的构建；基于飞蛾火焰算法的增广深度STSR-LSTM网络的参数优化；对风电功率预测方法进行性能验证；所述增广深度STSR-LSTM网络具有四层结构，分别是序列输入层、全连接层、回归输出层和深度LSTM层；所述增广深度STSR-LSTM网络的构建，包括：设每一层的可学习权重是输入权重X、回归权重S和偏差c；且矩阵X、S和c还表示组件的输入和回归权重以及偏差；定义如下矩阵： 其中g、j、p和h分别代表遗忘门、输出门、输入门和单元候选门；第k步的单元位置由以下等式确定：dk＝gk⊙dk-1+jk⊙hk6其中：⊙代表Hadamard积，用于计算增广深度STSR-LSTM网络的向量相乘；隐藏状态的时间步估计为：Ik＝pk⊙σddk7式中：σd为激活函数；采用双曲正切函数测量扩展深度STSR-LSTM层中激活函数的状态，时间步如下：输入门：jk＝σhXjyk+SjIk-1+cj8遗忘门：gk＝σhXgyk+SgIk-1+cg9单元候选门：hk＝σhXhyk+ShIk-1+ch10输出门：pk＝σhXpyu+SpIk-1+cp11基于Adam函数的加速收敛过程；在算法收敛过程中采用自适应矩估计函数Adam，该函数保持了先前平方梯度wu的指数衰减平均值；此外，Adam函数还可测量第二梯度nu的平均值；wu和nu分别为非中心方差和平均值，具有如下表达式： 其中：β1,β2∈[0,1]；进一步，采用下式更新上述两个移动平均函数的学习衰减率： 然后通过增广深度STSR-LSTM公式进行参数更新： 训练和测试结果的数据划分；用户侧和并网侧必须平衡15分钟的平均风力发电量和需求，因此可将其分为多个子集；电力系统供需平衡的管理基于前一天所交付和计算的能源生产计划，使用15分钟的时间间隔进行每月、季节和年度风电预测；基于采样数据的未来时间步长预测和状态网络更新；采用增广深度STSR-LSTM网络和状态更新函数预测给定时间序列数据中的未来时间步长值，并改变未来每个预测步的网络状态，以便对未来多个时间步长值进行预测；所述基于飞蛾火焰算法的增广深度STSR-LSTM网络的参数优化，包括：算法初始化：参数设置及种群初始化；假设飞蛾种群规模为Nm，待寻优的变量个数为d，与此同时，设火焰数目为Nf，最大迭代次数为M；飞蛾种群中个体的位置向量初始化为：Mi,j＝ubj-lbj·rand0,1+lbji＝1,2,…,Nm；j＝1,2,…,d15其中：Mi,j是第i个飞蛾在第j个搜索维度中的位置；ubj和lbj表示第j维搜索空间的上下界；进一步，整个飞蛾种群可表示为： 其中：k为当前迭代步，且此处取1；根据实际优化需求定义适应度函数FM；飞蛾种群的初始适应度向量为： 火焰位置：火焰数自适应计算、蛾类种群适应度排序和火焰位置确定；在飞蛾火焰算法的搜索过程中，飞蛾作为搜索主体，火焰作为当前最优飞蛾位置的集合，其初始数量Nf等于飞蛾种群大小；由于蛾类位置的更新朝向相应的火焰，若Nf一直保持较高值将导致开采能力的下降，因此引入下式所示的自适应火焰数； 然后，对飞蛾的适应度值进行升序排序，选择第一个Nfk成员生成火焰的适应度向量FFk；此外，相应的飞蛾位置被视为火焰的位置Fk； 其中：FFii＝1,2,…,Nf为第i个飞蛾的适应度；飞蛾位置更新：基于对数螺旋的重新定位和适应度计算；Mik+1＝|Mik-Fjk|·ebλ·cos2πλ+Fjki＝1,2,…,Nm；j＝1,2,…,Nf21其中：|Mi–Fj|为第i个飞蛾到第j个火焰的距离，λ为[r,1]之间的常数，r的表达式如下： 飞蛾位置更新后，得到新的适应度向量FMk+1；火焰位置更新：适应度排名和精英保留；将包含重新定位的飞蛾和当前火焰的适应度值的混合适应度函数向量排序并命名为FMnew：FMnew＝sort[FMk+1,FFk]23将FMnew中的第一个项Nfk视为精英，并更新火焰位置向量FFk+1；此外，飞蛾种群Mk+1及其适应度向量FMk+1也由新排序向量的第一个Nm项更新；过程判断：终止条件设置及判断；将当前迭代达到最大迭代次数或可接受的搜索精度作为终止条件；因此，若这两个条件中的任何一个得到满足，整个搜索过程结束；否则，k＝k+1，返回上述步骤进行进一步优化。

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北京华能新锐控制技术有限公司，其通讯地址为：102209 北京市昌平区北七家未来科技城南区华能人才创新创业基地实验楼B座；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”。