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！

龙图腾网获悉国网浙江省电力有限公司;华北电力大学;国网浙江省电力有限公司信息通信分公司;国网浙江省电力有限公司湖州供电公司申请的专利一种多区域风电短期场景生成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：CN119848418B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202411915379.9，技术领域涉及：G06F18/10；该发明授权一种多区域风电短期场景生成方法及系统是由葛睿;孙英云;刘东;毛志航;朱炳铨;杨月;齐世雄;孙文多;冯珺;郑翔;沈曦;王艺丹;陈浩;曹帅;郑黎明;李昊宇;丛立章;申建强设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种多区域风电短期场景生成方法及系统在说明书摘要公布了：本发明公开了一种多区域风电短期场景生成方法和系统，包括：收集多区域风电场的气象数据和历史风电出力数据，并进行清洗与标准化处理；使用预训练的编码网络对气象特征进行特征嵌入，以评估区域间的动态邻接矩阵，捕捉空间相关性；基于斯皮尔曼相关性系数计算动态邻接矩阵，反映不同区域风电出力的动态相关性；利用变分自编码器将高维风电出力曲线映射到低维隐空间特征向量，并通过解码器重构出高维出力序列；构建条件隐空间扩散模型，逐步将隐空间样本加噪至正态分布，并设计去噪网络逐步去除噪声；通过去噪网络输出的低维隐空间场景重构生成高维风电出力场景。本发明提高了生成场景的准确性，为电力系统的经济调度和风险评估提供了有效支持。

本发明授权一种多区域风电短期场景生成方法及系统在权利要求书中公布了：1.一种多区域风电短期场景生成方法，其特征在于：包括以下步骤： S1:收集多区域风电场的气象数据和历史风电出力数据；对收集到的数据进行清洗和标准化处理，以消除噪声和异常值； S2:使用预训练的编码网络对每个区域的气象特征NWP进行特征嵌入；将嵌入结果用于评估区域间的动态邻接矩阵，以捕捉区域间的空间相关性； S3:基于每个区域的风电出力的斯皮尔曼相关性系数，实时计算动态邻接矩阵，反映不同区域风电出力之间的动态相关性； S4:利用变分自编码器VAE，将高维风电出力曲线映射到低维隐空间特征向量；通过编码器E提取风电出力的趋势特征，并使用解码器D将隐空间特征重构为高维出力序列； S5:构建条件隐空间扩散模型，包括扩散过程和去噪过程，设定扩散过程，将隐空间样本逐步加噪至正态分布；设计去噪网络，以条件信息为协变量，逐步去除噪声，恢复隐空间样本； S6:采用残差连接和时空卷积层的结构训练去噪网络，以提高对时空相关特征的学习能力；训练目标为最小化后验分布与先验分布的KL散度，确保去噪过程的有效性； S7:通过去噪网络输出的低维隐空间场景进行重构，生成高维风电出力场景；将生成的场景用于电力系统的经济调度和风险评估的应用； 所述多区域风电短期场景生成方法中，利用预训练的编码网络对各区域NWP输入特征进行嵌入，并基于确定性预测结果评估实时动态邻接矩阵，将作为扩散模型的条件嵌入，以利用去噪网络挖掘多区域风电动态空间关系，并使得扩散模型在每步去噪时无需对高维NWP特征进行过滤，减少了扩散模型计算量；利用多个独立的嵌入网络对各区域风电高维NWP特征进行确定性预测回归，并将多区域风电确定性预测结果间的斯皮尔曼相关性系数作为动态邻接矩阵的对应元素，从而实现对不同区域之间的动态相关性的实时衡量； 当对第i个区域的NWP输入数据进行嵌入时，输入层卷积神经网络用于调整的通道数量，得到特征的高维表示；中间层利用多个卷积层残差连接的结构增加对输入数据的感受野，以防止网络退化；而输出层则将各卷积层结果进行跳跃连接，实现多时间尺度特征融合；最终可得到的特征嵌入结果；选用L1损失对嵌入网络进行确定性预测回归训练，如下式所示： ; 式中：为区域i的真实风电出力，为区域i风电确定性预测嵌入结果； 重复上述步骤，得到所有区域特征嵌入集合，进而根据计算区域间斯皮尔曼相关性系数，即得到表征风电实时空间相关性的动态邻接矩阵

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浙江省电力有限公司;华北电力大学;国网浙江省电力有限公司信息通信分公司;国网浙江省电力有限公司湖州供电公司，其通讯地址为：310007 浙江省杭州市黄龙路8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。