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！

龙图腾网恭喜长安大学申请的专利一种短期风电功率的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：CN119719918B 。

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：202510222190.X，技术领域涉及：G06F18/241；该发明授权一种短期风电功率的预测方法是由郝雪丽;裴莉莉;王英英;王岩松;李伟;袁博设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种短期风电功率的预测方法在说明书摘要公布了：本发明公开了一种短期风电功率的预测方法，将第一历史风电数据集经多维变分模态分解模型得到本征模态函数；基于去冗模型的模型性能评估获取最优超参数组合；基于最优超参数组合进行本征模态函数的去冗，得到目标本征模态函数；基于第一历史风电数据集得到频域表示的第二历史风电数据集；从第二历史风电数据集获取自适应的前预设数量个周期及对应的风电数据；将对应的风电数据分解为季节性成分、趋势性成分和残差成分，并加权求和得到目标季节性成分、目标残差成分、目标趋势性成分；将目标季节性成分、目标残差成分、目标趋势性成分和目标本征模态函数融合并通过模型得到预测的短期风电功率。本发明提高了对短期风电功率预测的准确率。

本发明授权一种短期风电功率的预测方法在权利要求书中公布了：1.一种短期风电功率的预测方法，其特征在于，包括：将第一历史风电数据集输入到多维变分模态分解模型中，得到预设数量的本征模态函数；每个本征模态函数对应于第一历史风电数据集中不同频率和尺度的成分；对所述预设数量的本征模态函数进行归一化处理，得到处理后的本征模态函数；对所述第一历史风电数据集中的目标变量风电功率进行中心化处理，得到处理后的目标风电功率；基于去冗模型的模型性能评估在不同的超参数组合中获取最优超参数组合；并利用所述最优超参数组合、所述处理后的目标风电功率、所述处理后的本征模态函数和所述去冗模型进行数据拟合，得到最优回归系数向量；将所述最优回归系数向量中回归系数为零的本征模态函数作为冗余本征模态函数；并去除所述冗余本征模态函数获取目标本征模态函数；将所述第一历史风电数据集从时域转换到频域，得到频域表示的第二历史风电数据集；并从所述第二历史风电数据集中获取自适应的前预设数量个周期及每个周期对应的风电数据；将每个周期对应的风电数据分解为季节性成分、趋势性成分和残差成分；并将所述季节性成分、趋势性成分和残差成分分别进行加权求和，得到目标季节性成分、目标残差成分、目标趋势性成分；将所述目标季节性成分、所述目标残差成分、所述目标趋势性成分和所述目标本征模态函数进行融合得到融合后的特征；并将所述融合后的特征输入到长序列信息感知模型中得到预测的短期风电功率；所述最优回归系数向量可以通过下式进行获取： ；上式中，z为所述处理后的本征模态函数，为所述最优回归系数向量，为回归系数向量，y为所述处理后的目标风电功率，P为所述处理后的本征模态函数的个数，j为所述处理后的本征模态函数的数目，为惩罚强度参数，是一个非负的正则化参数，所述去冗模型中包含范数和范数惩罚项，为控制着范数和范数正则化的比例，为所述回归系数向量β的第j个元素，为的平方值，和为所述最优超参数组合。

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长安大学，其通讯地址为：710000 陕西省西安市雁塔区南二环路中段；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”。