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！

龙图腾网恭喜广东工业大学申请的专利一种海上风电功率爬坡预测方法及系统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：CN119669865B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510180694.X，技术领域涉及：G06F18/241；该发明授权一种海上风电功率爬坡预测方法及系统是由殷豪;关茹芳;张祺;黄自谦设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种海上风电功率爬坡预测方法及系统在说明书摘要公布了：本发明提出一种海上风电功率爬坡预测方法及系统，涉及电力系统预测与控制的技术领域，方法包括：获取海上风电场的多源数据集；对多源数据集进行预处理，得到气象驱动因子、风电功率的时间戳和海上风电场的地理特征信息；将气象驱动因子、风电功率、时间戳和地理特征信息整理成统一格式的爬坡数据，对爬坡数据进行扩充，得到爬坡数据集；构建用于预测风电功率爬坡事件的多维协同图感知网络；利用爬坡数据集对多维协同图感知网络进行训练，得到训练好的多维协同图感知网络；采集海上风电场的待预测多源数据集，将待预测多源数据集输入训练好的多维协同图感知网络，输出风电功率爬坡事件的预测结果。本发明有效提高了风电功率爬坡事件预测精度。

本发明授权一种海上风电功率爬坡预测方法及系统在权利要求书中公布了：1.一种海上风电功率爬坡预测方法，其特征在于，包括以下步骤：S1.获取海上风电场的多源数据集；S2.对所述多源数据集进行预处理，得到气象驱动因子、风电功率的时间戳和海上风电场的地理特征信息；S3.将所述气象驱动因子、所述风电功率、所述时间戳和所述地理特征信息整理成统一格式的爬坡数据，对所述爬坡数据进行扩充，得到爬坡数据集；S4.构建用于预测风电功率爬坡事件的多维协同图感知网络，所述多维协同图感知网络包括网络输入层、节点内注意力学习层、节点间注意力学习层、特征整合层、多层感知机；S5.利用所述爬坡数据集对所述多维协同图感知网络进行训练，得到训练好的多维协同图感知网络；S6.采集海上风电场的待预测多源数据集，将所述待预测多源数据集输入训练好的多维协同图感知网络，输出风电功率爬坡事件的预测结果；其中，S4包括：S41.利用所述爬坡数据组成多维协同图，所述多维协同图包括四个大节点和动态边，所述四个大节点分别为时间戳T、气象驱动因子M、地理特征信息G和风电功率P，每个大节点中包括若干个小节点，每一个小节点用于表示大节点的具体子特征，所述动态边由节点内边和节点间边构成，节点内边表示着同一大节点内中小节点之间的关系，节点间边表示着不同大节点之间的关系，将所述多维协同图通过所述网络输入层输入节点内注意力学习层；S42.所述节点内注意力学习层通过节点内注意力学习对所述多维协同图进行节点内边权重调整，得到在路径下进行一轮信息传递后大节点的特征向量： 其中，表示softmax激活函数，表示在路径下小节点传递到大节点的注意力，表示在路径下大节点中小节点的集合，表示大节点中小节点的节点内注意力特征；S43.根据所述特征向量，所述节点间注意力学习层通过节点间注意力学习对所述多维协同图进行节点间边权重调整，得到节点特征向量集合： 其中，P表示路径L的总数，表示第p条路径L，代表在第p条路径L下的所有大节点的集合，代表节点特征向量集合，表示归一化后的节点间注意力；S44.所述特征整合层将节点特征向量集合整合为全局图进行表征输入至所述多层感知机；S45.所述多层感知机接收所述全局图，将大小节点之间的联系与风电功率爬坡事件进行映射，输出风电功率爬坡事件的预测结果。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。