買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉華僑大學申請的專利基于WTC-Informer算法的風電功率預測方法、裝置、設備和介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120106314B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510577952.8，技術領域涉及：G06Q10/04；該發明授權基于WTC-Informer算法的風電功率預測方法、裝置、設備和介質是由孫成柱;李傳柱;何霆;朱文龍設計研發完成，并于2025-05-07向國家知識產權局提交的專利申請。

本基于WTC-Informer算法的風電功率預測方法、裝置、設備和介質在說明書摘要公布了：基于WTC?Informer算法的風電功率預測方法、裝置、設備和介質，涉及風電功率預測技術領域。風電功率預測方法包括：獲取風力發電機的運行數據。將運行數據輸入預先訓練好的基于WTC?Informer算法的預訓練風電功率預測模型，執行以下數據處理步驟，獲取風力發電機的有功功率的預測序列。根據運行數據，通過小波變換提取高頻分量和低頻分量并拼接，得到多尺度特征。通過ECA通道注意力機制，為各特征通道動態分配權重。然后，通過多個稀疏自注意力編碼層堆疊成的Informer編碼器，降低注意力的計算復雜度。最后通過生成式解碼器，利用稀疏注意力提取時序模式，結合跨注意力融合編碼器輸出的連接特征圖，輸出未來風電功率預測序列。

本發明授權基于WTC-Informer算法的風電功率預測方法、裝置、設備和介質在權利要求書中公布了：1.一種基于WTC-Informer算法的風電功率預測方法，其特征在于，包含： 獲取風力發電機的運行數據； 將所述運行數據輸入預先訓練好的基于WTC-Informer算法的預訓練風電功率預測模型，執行以下數據處理步驟，獲取風力發電機的有功功率的預測序列； 根據所述運行數據，通過小波變換提取高頻分量和低頻分量并拼接，得到多尺度特征； 通過ECA通道注意力機制，為各特征通道動態分配權重，獲取加權后的多尺度特征； 通過多個稀疏自注意力編碼層堆疊成的Informer編碼器，將注意力的計算復雜度從標準Transformer的降至，獲取連接特征圖；其中，表示時間復雜度、為輸入序列長度； 通過生成式解碼器，利用稀疏注意力提取時序模式，結合跨注意力融合編碼器輸出的連接特征圖，輸出未來風電功率預測序列； 根據所述運行數據，通過小波變換提取高頻分量和低頻分量并拼接，獲取多尺度特征張量，具體包括： 初始化包含多層小波分解濾波器組的小波變換模塊；其中，表示低頻小波濾波器，表示高頻小波濾波器； 將所述運行數據輸入所述小波變換模塊，通過小波分解濾波器組的高頻小波濾波器提取高頻分量，通過小波分解濾波器組的低頻小波濾波器提取低頻分量，并通過一個卷積操作計算當前層的系數；其中，前一層小波分解濾波器組提取的低頻分量作為下一層小波分解濾波器組的輸入進一步分解成高頻分量和低頻分量； 根據小波變換模塊獲得的所有級別的高頻分量，通過一個深度可分離卷積和逐點卷積對每個高頻分量進行噪聲抑制捕捉局部變化，并與原始的高頻分量做殘差連接，獲取減少高頻噪聲后的高頻特征；其中，高頻分量的處理模型為： ； 其中，表示第個變量的第級小波變換提取到的高頻分量、表示逐點卷積操作、表示拼接、表示深度可分離卷積操作； 對最后一層小波變換得到的低頻分量進行插值，使其尺寸與原始輸入序列一致，然后使用一階差分捕捉序列的變化模式，最后通過殘差連接對低頻分量進行特征增強，獲取增強后的低頻特征；最后一層小波變換得到的低頻分量的處理模型為： ； ； 其中，為時刻的一階差分、表示第個變量的時刻提取到的低頻分量、表示第個變量的時刻提取到的低頻分量、表示最后一層小波變換得到的低頻分量； 將所有層次的高頻特征和低頻特征拼接在一起，得到所述多尺度特征張量； 編碼器通過逐層降采樣的方式減小序列長度； 編碼器模型為：； 其中，為第層的時刻的樣本、表示最大池化、為激活函數、代表一維卷積、表示第層的時刻的樣本、代表多頭稀疏注意力塊。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華僑大學，其通訊地址為：362000 福建省泉州市豐澤區城華北路269號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。