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！

龙图腾网获悉河南大学申请的专利基于数据隐私保护的联邦深度学习风力发电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：CN116821687B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310827033.2，技术领域涉及：G06F18/214；该发明授权基于数据隐私保护的联邦深度学习风力发电预测方法是由张磊;朱绍明;展桂荣;左宪禹;谢毅;赵一鸣;晋鑫鹏;李郭宇;史建宇设计研发完成，并于2023-07-06向国家知识产权局提交的专利申请。

本基于数据隐私保护的联邦深度学习风力发电预测方法在说明书摘要公布了：本发明涉及风电功率预测技术领域，具体涉及基于数据隐私保护的联邦深度学习风力发电预测方法，该方法包括：获取预设数量个不同风电场的风电功率数据集，对风电功率数据集进行预处理，将预处理后的风电功率数据集划分为训练数据集和测试数据集；建立Fed‑BILSTM联邦深度学习模型；根据训练数据集，对建立的Fed‑BILSTM联邦深度学习模型进行训练，得到训练后的Fed‑BILSTM联邦深度学习模型；根据测试数据集，对训练后的Fed‑BILSTM联邦深度学习模型进行验证；通过训练后的Fed‑BILSTM联邦深度学习模型，进行风电功率预测。本发明可以提高数据的安全性和预测的准确度。

本发明授权基于数据隐私保护的联邦深度学习风力发电预测方法在权利要求书中公布了：1.一种基于数据隐私保护的联邦深度学习风力发电预测方法，其特征在于，包括以下步骤： 获取预设数量个不同风电场的风电功率数据集，对风电功率数据集进行预处理，将预处理后的风电功率数据集划分为训练数据集和测试数据集；所述对风电功率数据集进行预处理，包括：采用基于密度的聚类应用算法和变点法相结合的异常数据检测方法检测出风电功率数据集中的异常数据；基于风速-功率的强相关性，通过风速-功率区域随机填补方法进行异常数据点的修复，得到修复后的风电功率数据集；对修复后的风电功率数据集进行归一化处理，得到预处理后的风电功率数据集；所述基于风速-功率的强相关性，通过风速-功率区域随机填补方法进行异常数据点的修复，包括：将正常风速-功率数据集划分为第二预设数目个区间，按照异常数据点所对应的风速值，将其随机落于正常风速-功率数据集相应风速区间内，获得相应的风电功率值，对于其他的异常点进行相同的操作，完成异常数据点的修补； 建立Fed-BILSTM联邦深度学习模型； 根据训练数据集，对建立的Fed-BILSTM联邦深度学习模型进行训练，得到训练后的Fed-BILSTM联邦深度学习模型； 根据测试数据集，对训练后的Fed-BILSTM联邦深度学习模型进行验证； 通过训练后的Fed-BILSTM联邦深度学习模型，进行风电功率预测。

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河南大学，其通讯地址为：450000 河南省郑州市郑东新区明理路北段379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”。

以上内容由龙图腾AI智能生成。