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！

龙图腾网获悉南昌工程学院申请的专利一种基于时空多尺度和K-SDW的超短期概率风电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：CN115600500B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211346533.6，技术领域涉及：G06F30/27；该发明授权一种基于时空多尺度和K-SDW的超短期概率风电功率预测方法是由车金星;袁芳;叶雨;刘娜;蒋哲勇;邹诚;张大伟设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本一种基于时空多尺度和K-SDW的超短期概率风电功率预测方法在说明书摘要公布了：本发明提出了一种基于时空多尺度和K‑SDW的超短期概率风电功率预测方法，包括以下步骤：S1，通过变分模态分解将归一化目标风速分解为多个子序列；S2，将子序列和相邻的空间风速序列重构为时空候选特征，并进行时空多尺度特征选择；S3，采用分位数回归模型对每个子序列进行预测。本发明能够实现对风电进行预测。

本发明授权一种基于时空多尺度和K-SDW的超短期概率风电功率预测方法在权利要求书中公布了：1.一种基于时空多尺度和K-SDW的超短期概率风电功率预测方法，其特征在于，包括以下步骤： S1，通过变分模态分解将归一化目标风速分解为多个子序列； S2，将子序列和相邻的空间风速序列重构为时空候选特征，并进行时空多尺度特征选择； S3，采用分位数回归模型对每个子序列进行预测； S4，基于K前向最近邻的分位数动态稀疏加权组合算法，将各模型的预测结果进行组合，然后对子序列的预测结果进行重组；在步骤S4中包括： 令s个单一模型的分位数预测结果分别为设分配给s个单一模型的权重为则q分位的组合预测结果表示为： 表示q分位的组合预测结果； 表示第1个单一模型的权重； 表示第2个单一模型的权重； 表示第s个单一模型的权重； 表示第1个单一模型的分位数预测结果； 表示第2个单一模型的分位数预测结果； 表示第s个单一模型的分位数预测结果； 基于K前向最近邻的分位数动态稀疏加权组合算法为：设置一个阈值ξ，当个体模型的权重小于ξ时，该模型的预测值被去除，即将模型的权值赋为零，从而得到最终的稀疏权值向量；对于验证集中q分位数t时刻第i个模型的权重求解步骤如下： 1根据验证集计算基于弹球损失的所有分位数的静态权重； 2当t＝1时，对权重进行初始化赋值为静态权重，即： 当t＜k时，第t个时间点的权重为： 表示第i个模型在t时刻、q分位数下基于弹球损失的静态权重； 表示第i个模型在j时刻、q分位数下的动态权重； 当t≥k时： 其中 表示在t-1时刻、q分位点时，第i个模型的弹球损失值； S表示所有子模型的个数； 3给定一个阈值ξ，若t时刻的权值是稀疏的，则执行以下转换： 表示当第i个模型在t时刻、q分位数下的权重小于ξ时，将其赋值于0； 4求出验证集中所有时间点的变权值，并线性组合S个模型得到分位数组合预测值并计算出的弹球损失值； 5利用网格搜索法对参数进行优化，得到k和ξ的最优值； 6根据公式22计算测试集中所有时刻的权重，并将其与S个模型进行线性组合，得到最终测试集中q分位t时刻的组合预测值

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工程学院，其通讯地址为：330096 江西省南昌市高新区天祥大道289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。