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！

龙图腾网获悉南昌科晨电力试验研究有限公司;国网江西省电力有限公司电力科学研究院申请的专利一种风电场叶片覆冰预警和覆冰容量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：CN120822122B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511317658.X，技术领域涉及：G06F18/2415；该发明授权一种风电场叶片覆冰预警和覆冰容量预测方法是由吴康;兰鑫;何昊;余侃胜;赵伟哲;桂小智;邹捷设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本一种风电场叶片覆冰预警和覆冰容量预测方法在说明书摘要公布了：本发明公开了一种风电场叶片覆冰预警和覆冰容量预测方法，步骤如下：基于风机地理位置与历史运行数据，采用HDBSCAN聚类对风机分组；获取每组风机前3天历史运行数据及后3天天气预报数据，通过滑动窗口技术形成覆冰预测数据集；多尺度提取天气预报数据趋势，经交叉注意力机制与历史运行数据融合，得到融合特征；构建含LightGBM模型、TLinear模型及动态权重融合层的覆冰预测模型，训练后分别实现短、中长期覆冰预测并融合，据此确定覆冰事件起始时刻与持续时间，发布预警；依各组预测结果统计覆冰停机数据，生成风电场覆冰容量预测曲线。本发明提供精准全面数据基础，提升特征表达有效性，提高覆冰预警与容量预测精度。

本发明授权一种风电场叶片覆冰预警和覆冰容量预测方法在权利要求书中公布了：1.一种风电场叶片覆冰预警和覆冰容量预测方法，其特征在于，包括如下步骤： 步骤S1：根据风电场中风机的地理位置信息和历史运行数据，采用HDBSCAN聚类方法对风电场的所有风机进行分组，得到若干风机分组； 步骤S2：获取每个风机分组内的风机在时间点前3天的历史运行数据以及后3天的天气预报数据，并利用滑动窗口技术形成覆冰预测数据集； 步骤S3：多尺度提取天气预报数据的变化趋势，并通过交叉注意力机制与历史运行数据进行特征融合，得到历史运行数据和天气预报多尺度趋势的融合特征； 步骤S4：构建覆冰预测模型，所述覆冰预测模型由LightGBM模型、TLinear模型和动态权重融合层组成；使用覆冰预测数据集训练覆冰预测模型；结合历史运行数据的统计特征、历史运行数据和天气预报多尺度趋势的融合特征，利用训练好的LightGBM模型实现短期覆冰预测；结合天气预报数据的时间特征、历史运行数据和天气预报多尺度趋势的融合特征，利用训练好的TLinear模型实现中长期覆冰预测；通过训练好的动态权重融合层融合短期覆冰预测和中长期覆冰预测结果，得到最终的覆冰预测结果；基于最终的覆冰预测结果获取覆冰事件的起始时刻和持续时间，发布覆冰预警信号； 步骤S5：依据所有风机分组的最终覆冰预测结果，统计预测时段内风电场覆冰停机数据，得到风电场的覆冰容量预测曲线； 通过训练好的动态权重融合层融合短期覆冰预测和中长期覆冰预测结果，得到最终的覆冰预测结果的具体过程为： 分别计算LightGBM模型和TLinear模型覆冰预测结果与真实值的平均绝对误差： 根据平均绝对误差的误差越小、权重越大原则，计算动态权重系数： ； 式中，和分别为LightGBM预测模型和TLinear预测模型的平均绝对误差； 基于动态权重系数，对LightGBM模型和TLinear模型覆冰预测结果进行加权融合，得到覆冰融合预测结果： ； 式中，表示调节系数；表示时间范围为到的覆冰融合预测结果；表示时间范围为到的覆冰融合预测结果；表示时间范围为到的LightGBM模型覆冰预测结果；表示时间范围为到的TLinear模型覆冰预测结果；表示时间范围为到的TLinear模型覆冰预测结果； 设置随时段递增的阈值，当覆冰融合预测结果大于阈值时，标记为1，表示覆冰，否则标记为0，表示未覆冰； 检测覆冰融合预测结果标签1的个数和位置，结合测试样本中的时间信息，得到覆冰事件的起始时刻、截止时刻、持续时间；向对应分组的风机发布覆冰预测信号；测试样本基于覆冰预测数据集进行划分得到。

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南昌科晨电力试验研究有限公司;国网江西省电力有限公司电力科学研究院，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；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。