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！

龙图腾网恭喜济南大学申请的专利一种基于多模型融合的风电功率预测方法、系统及设备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：CN119561047B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202510095801.9，技术领域涉及：H02J3/00；该发明授权一种基于多模型融合的风电功率预测方法、系统及设备是由彭峰;常馨;张国煜;崔晓军;吴冰;梁墩友设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本一种基于多模型融合的风电功率预测方法、系统及设备在说明书摘要公布了：本申请公开了一种基于多模型融合的风电功率预测方法、系统及设备，涉及风电预测技术领域，通过结合皮尔逊相关系数、冰霜优化算法优化变分模态分解模型、CNN‑ASSA‑Informer模型和分位数回归，实现了短期风电功率预测的非参数化概率预测，通过优化算法处理复杂的时序数据，解决了时序数据中不同频率成分与风电功率之间的复杂关系。并构建相应的预测区间，提高了风电功率预测的精度和置信度，能够为区域风电调度、可再生能源集成与电力市场提供更加可靠的风电功率预测结果。

本发明授权一种基于多模型融合的风电功率预测方法、系统及设备在权利要求书中公布了：1.一种基于多模型融合的风电功率预测方法，其特征在于，包括：采集多个风机在预设时间段内的运行数值和天气预报数据并处理数据中的异常值和缺失值；使用皮尔逊相关系数进行特征选择，从处理后的数据中选出与目标风电功率强相关的特征数据，并建立训练集、验证集和测试集；使用冰霜优化算法对变分模态分解VMD模型进行寻优得到最佳参数，基于优化后的VMD结果，分解数据为多个频率成分分量；建立CNN-ASSA-Informer模型，利用训练集对模型进行训练，验证集诊断模型适应性并优化模型超参数，测试集进行预测并对模型进行评估，所述CNN-ASSA-Informer模型为卷积神经网络与自适应稀疏注意力机制串行后与Informer并行的神经网络，稀疏自注意力机制包括窗口自注意力层与相对位置偏置层，CNN模型用于提取时序数据中的局部特征，并通过自适应稀疏自注意力机制增强模型对关键特征的学习能力；卷积神经网络输出的特征图经过自适应稀疏自注意力机制处理，通过局部窗口内的自注意力计算有效建模局部时序依赖，同时利用相对位置偏置调整窗口内的特征关系，增强特征的表达能力；接着经过稀疏自注意力机制处理的特征与Informer编码器输出的全局时序信息特征通过加法融合，生成最终的多模态特征，该多模态特征作为输入进入解码器，解码器通过自注意力机制进一步建模全局时序依赖，捕捉长时间依赖关系，得到预测结果；使用分位数回归方法根据结果构建不同置信水平下的预测区间。

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济南大学，其通讯地址为：250024 山东省济南市市中区南辛庄西路336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”。