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！

龙图腾网获悉桂林电子科技大学;桂林智工科技有限责任公司申请的专利一种短期风电功率区段概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：CN116701868B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310669588.9，技术领域涉及：G06F18/20；该发明授权一种短期风电功率区段概率预测方法是由高鹏;蔡佳诺;罗奕;张应红;陈金龙;高成;莫愁;刘士琦;徐晋勇设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本一种短期风电功率区段概率预测方法在说明书摘要公布了：本发明涉及电力系统运行与规划技术领域，具体涉及一种短期风电功率区段概率预测方法，利用深度学习挖掘数据中的隐含信息以及风电序列中的非线性特征，并产生预测概率区间，同时选择一种非线性权重方法提高粒子群算法的优化性能，即IPSO算法解决传统算法存在的部分问题，提高收敛速度，再混合人工智能算法选择CNN‑LSTM混合算法构建基于结合SVM与分位数回归的IPSO‑CNN‑LSTM算法预测模型，通过训练后完成短期风电功率概率预测，其中CNN网络能过够通过使用卷积核从样本数据中提取出其潜在的特征，而长短期记忆网络LSTM能够捕捉到长期的成分，避免现有部分算法存在梯度消失、爆炸的现象，提高了风电功率概率预测的效率。

本发明授权一种短期风电功率区段概率预测方法在权利要求书中公布了：1.一种短期风电功率区段概率预测方法，其特征在于，包括下列步骤： 步骤1：收集历史气象资料处理获得风电概率预测的初始数据集； 步骤2：对所述初始数据集进行筛选补充获得风电数据集，并进行归一化处理； 步骤3：将风电数据集的数据划分为训练集和测试集，构建基于SVM与分位数回归的IPSO-CNN-LSTM算法预测模型并进行训练和预测； 步骤3的执行过程，具体为将获得的数据划分为训练集和测试集两组，在训练集中通过历史数据构建基于结合SVM与分位数回归的IPSO-CNN-LSTM算法预测模型，通过训练集训练后进行预测，在模型输出侧进行量化分析，得到在既定置信度下分位数形式的短期风电功率上下边界值以及待预测日预测序列，最后与预先设定好的测试集进行比对； 所述基于结合SVM与分位数回归的IPSO-CNN-LSTM算法预测模型的构建过程，包括下列步骤： 选用IPSO算法对惯性权重ω进行优化； 将CNN网络与LSTM网络相结合，利用CNN网络从样本数据中提取出其潜在的特征，LSTM网络捕捉到长期的成分； 利用QRNN模型反映数据的非线性情况，并得出不同置信度下的预测概率区间，对所得数据进行进一步分析； 采用平均绝对误差MAE和均方根误差RMSE，区间覆盖率PICP和区间平均带宽PINAW作为模型准确性的评价指标； 步骤4：根据预测结果以及误差调整模型参数直到结果接近于测试集，完成短期风电功率概率预测。

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桂林电子科技大学;桂林智工科技有限责任公司，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。