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！

龙图腾网获悉中国石油大学(华东)申请的专利一种风电机组多源数据融合与功率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：CN120562928B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202511062248.5，技术领域涉及：G06Q10/0637；该发明授权一种风电机组多源数据融合与功率预测方法是由盛立;李春昱;高明;周东华;席霄鹏;钟麦英设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本一种风电机组多源数据融合与功率预测方法在说明书摘要公布了：本发明公开一种风电机组多源数据融合与功率预测方法。包括S1、对风电机组监控和数据采集系统原始数据进行数据预处理，包括特征选择、异常值剔除、数据集生成和划分；S2、构造Transformer基生成模块，并与多层全连接神经网络结合形成Transformer块：S3、构造功率曲线基生成模块，并与多层全连接神经网络结合形成功率曲线块；S4、将若干个Transformer块通过双重残差堆叠原理连接形成一个Transformer堆栈：S5、将若干个功率曲线块通过双重残差堆叠原理连接形成一个功率曲线堆栈；S6、串联Transformer堆栈和功率曲线堆栈，并建立动态可训练加权机制，融合各堆栈输出，得到风电功率的多步预测结果；S7、根据预测结果利用网格搜索方法确定网络超参数的最佳配置方案。

本发明授权一种风电机组多源数据融合与功率预测方法在权利要求书中公布了：1.一种风电机组多源数据融合与功率预测方法，其特征在于，包括如下步骤： S1、对风电机组监控和数据采集系统原始数据进行数据预处理，包括特征选择、异常值剔除、数据集生成和划分； S2、构造Transformer基生成模块，并与多层全连接神经网络结合形成Transformer块： S3、构造功率曲线基生成模块，并与多层全连接神经网络结合形成功率曲线块；所述功率曲线基生成模块为采用平滑逻辑增长模型捕捉风电功率曲线的非线性特性，其数学表达式为： 其中，表示风速为时的预测功率，为最大功率输出，是控制曲线上升速率的陡度参数，为半最大功率风速，和分别为切入风速和额定风速； 所述功率曲线基生成模块的处理方法包括： S301：参数处理与维度调整，设和分别表示回溯窗口和预测窗口内的风速数据，将两个输入分量沿时间维度拼接： 其中，；基于额定切出风速对公式中的参数进行调整，将平滑逻辑斯蒂增长模型的水平坐标和垂直坐标缩放到[0,1]范围，其中水平坐标表示风速，垂直坐标表示功率： 其中，，，，，，，；参数、和输入序列的维度按如下方式调整： S302：构建功率曲线基函数，平滑逻辑斯蒂增长模型通过张量计算中的元素级广播运算求解： 将第三维和第四维合并，并去除单例维度后可得： 其中，，且；计算公式中的非线性缩放项并扩展其维度后得到： 最终基函数矩阵通过以下方式获得： 其中，表示元素级乘法运算，且；最后，通过张量切片将拆分为回溯基函数和预测基函数： S303：基扩展系数处理，对和应用ReLU激活函数以确保非负性，再通过softmax归一化： 其中，表示沿张量的最后一个维度进行归一化；结果随后被拆分为回溯基扩展系数和预测基扩展系数； S4、将若干个Transformer块通过双重残差堆叠原理连接形成一个Transformer堆栈： S5、将若干个功率曲线块通过双重残差堆叠原理连接形成一个功率曲线堆栈； S6、串联Transformer堆栈和功率曲线堆栈，并建立动态可训练加权机制，融合各堆栈输出，得到风电功率的多步预测结果； S7、根据预测结果利用网格搜索方法确定网络超参数的最佳配置方案。

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中国石油大学(华东)，其通讯地址为：266000 山东省青岛市黄岛区长江西路66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”。