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！

龙图腾网获悉国网江西省电力有限公司电力科学研究院;国家电网有限公司申请的专利一种基于贝叶斯深度学习的风机功率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：CN119293456B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411804817.4，技术领域涉及：G06F18/20；该发明授权一种基于贝叶斯深度学习的风机功率预测方法及系统是由吴康;何昊;何伟;熊俊杰;舒展;匡德兴;万子镜;乔颖设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于贝叶斯深度学习的风机功率预测方法及系统在说明书摘要公布了：本发明公开了一种基于贝叶斯深度学习的风机功率预测方法及系统，方法包括：根据物理模型筛选考虑覆冰条件下与风机功率预测相关的混合样本特征；将混合样本特征作为输入，构建基于贝叶斯多层神经网络的自适应风功率预测模型；根据物理模型生成风机功率输出专家经验样本数据库，并将风机功率输出专家经验样本数据库作为先验预训练所构建的自适应风功率预测模型，并收集风电场历史运行数据作为后验，基于随机变分推导方法定期重新训练自适应风功率预测模型，得到风机功率预测模型；将风机运行实时数据输入至风机功率预测模型中，输出得到风机功率预测结果。综合利用专家知识与历史运行数据大幅提升风机覆冰条件下风功率预测的准确性。

本发明授权一种基于贝叶斯深度学习的风机功率预测方法及系统在权利要求书中公布了：1.一种基于贝叶斯深度学习的风机功率预测方法，其特征在于，包括： 构建覆冰过程影响风机出力的物理模型，构建覆冰过程影响风机出力的物理模型包括： 构建基于风能转换理论的风机功率输出模型、基于FENSAP软件的风机叶片积冰模型、基于对流辐射效应和叶片旋转甩冰的风机叶片自然除冰模型，其中，所述风机功率输出模型的表达式为： ， ， ， ， ， ， 式中，为风机功率输出值，为机械损失系数，为电力损失系数，为转动系数，为偏航误差，为空气密度，为转自扫风面积，为入流风速，为叶片单元到轮毂中心的距离，为风机叶片轮廓，为叶尖，为尾流效应，为叶尖速比，为叶尖形状因子，为升阻比，为翼型沿展向单位长度上的升力，为翼型沿展向单位长度上的阻力，为局部合风向叶片单元的入流角，表示叶片局部入流角，表示与叶片数量、叶尖速比以及叶尖形状因子有关，为转子半径，为叶片数量； 所述风机叶片积冰模型中气流的表达式为： ， 式中，为层流运动粘度，为无量纲层流粘度，、均为截断函数，为涡度，为无穷远的雷诺数，、、以及均为闭合系数，为闭合函数，为距离壁面的距离，为斯蒂芬-玻尔兹曼常数，为哈密顿算子，为速度变化量； 采用欧拉模型进行撞击计算，其中与液滴相关的连续性和动量方程的表达式为： ， 式中，为液滴体积分数，为气流速率，为液滴相对速度，为液滴阻力系数，为液滴雷诺数，为液滴惯性参数，为空气密度，为水的密度，为弗劳德数，为重力加速度； 根据液滴收集效率求解结冰过程，得到的质量守恒和能量守恒偏微分方程组的表达式为： ， 式中，为水膜密度，为高度，为散度的符号，为流速，为参考速度，为液态水含量，为液态水蒸发速率，为液态水结冰速率； ， 式中，为水膜的比热容，为蒸发潜热，为升华潜热，为熔融潜热，为冰的比热容，为固体散热系数，为参考温度，为单位为开尔文的参考液滴温度，为单位为摄氏度的参考液滴温度，为单位为摄氏度的水-冰界面温度，为对流传递的热量，为单位为开尔文的水-冰界面温度； ， 式中，为叶片表面的法向量； 所述风机叶片自然除冰模型的融冰速率的表达式为： ， 式中，为冰冻物体的直径，为对流交换系数，、分别为空气温度和冰表面温度，为辐射常数，为冰的比热容，为冰的潜热，为冰的密度； 冰脱落时冰厚度的表达式为： ， 式中，为冰脱落时冰厚度，为粘性剪切应力，为风力涡轮机直径，为叶片旋转速率； 根据实时测量数据确定测量系统的样本特征，然后根据所述物理模型筛选考虑覆冰条件下与风机功率预测相关的混合样本特征； 将所述混合样本特征作为输入，构建基于贝叶斯多层神经网络的自适应风功率预测模型； 根据所述物理模型生成风机功率输出专家经验样本数据库，并将所述风机功率输出专家经验样本数据库作为先验预训练所构建的自适应风功率预测模型，并收集风电场历史运行数据作为后验，基于随机变分推导方法定期重新训练自适应风功率预测模型，得到风机功率预测模型； 获取风机运行实时数据，并将所述风机运行实时数据输入至所述风机功率预测模型中，所述风机功率预测模型输出得到风机功率预测结果。

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国网江西省电力有限公司电力科学研究院;国家电网有限公司，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88号检测试验中心科研楼(第1-11层)；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”。