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！

龙图腾网恭喜东南大学申请的专利一种基于改进LSTM-CNN的风功率短期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：CN115115090B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202210543841.1，技术领域涉及：G06F18/2433；该发明授权一种基于改进LSTM-CNN的风功率短期预测方法是由邓艾东;丁雪;邓敏强;史曜炜;刘洋设计研发完成，并于2022-05-18向国家知识产权局提交的专利申请。

本一种基于改进LSTM-CNN的风功率短期预测方法在说明书摘要公布了：本发明涉及一种基于改进LSTM‑CNN的风功率短期预测方法，包括获取风电场风功率历史数据和对应时间的数值天气预报数据，并对数据进行预处理和拼接形成多维时序数据集；将数据集按照时间划分为分别代表四个季节的四组样本，利用K‑means算法对每组样本进行聚类，将每组样本划分为若干个聚类类别；选取目标聚类类别的样本划分训练集和测试集，将训练集输入到改进LSTM‑CNN预测模型中进行模型训练；将测试集输入到训练好的预测模型中，得到对应的短期风功率预测数据。通过聚类找到对预测精度影响最大的样本，提高了预测效率，通过改进预测模型提取多尺度特征，弥补传统预测算法对复杂天气情况下风功率预测精度不高的缺陷。

本发明授权一种基于改进LSTM-CNN的风功率短期预测方法在权利要求书中公布了：1.一种基于改进LSTM-CNN的风功率短期预测方法，其特征在于，包括：S1、获取风电场全年的风功率历史数据和对应时间的数值天气预报数据，并对数据进行预处理，对处理后的数值天气预报数据和风功率数据进行拼接，形成多维时序数据集；S2、将数据集按照时间划分为分别代表四个季节的四组样本，利用K-means算法对每组样本进行聚类，将每组样本划分为若干个聚类类别；S3、选取目标聚类类别的样本，划分训练集和测试集，其中，选取所要预测样本即测试集所属的聚类类别，并将该聚类类别中的其他样本作为训练集；将训练集输入到改进LSTM-CNN预测模型中进行参数迭代，建立天气参数与风功率之间的映射关系，当损失函数满足迭代终止条件时停止更新；所述改进LSTM-CNN预测模型前半部分为LSTM网络，后半部分为CNN网络；CNN网络由一个卷积-池化对、一个多尺度特征提取层、一个自注意力机制层和一个全连接层组成；所述多尺度特征提取层包含两个不同大小的卷积核，以捕获信号的多尺度特征，并产生不同感受野的级联特征；S4、将测试集输入到训练好的改进LSTM-CNN预测模型中，得到对应的短期风功率预测数据。

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东南大学，其通讯地址为：210096 江苏省南京市江宁区东南大学路2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”。