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！

龙图腾网获悉河北工业大学申请的专利基于时空相关特征融合的风电场动态调节能力评估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：CN115587738B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202211370289.7，技术领域涉及：G06Q10/0631；该发明授权基于时空相关特征融合的风电场动态调节能力评估方法是由张家安;王军燕;黄晨旭;邓欣怡设计研发完成，并于2022-11-03向国家知识产权局提交的专利申请。

本基于时空相关特征融合的风电场动态调节能力评估方法在说明书摘要公布了：本发明为基于时空相关特征融合的风电场动态调节能力评估方法，包括以下内容：1获得风电场各风电机组的数据，并进行异常数据清洗，获得正常运行数据；2构建风速‑功率‑理论桨距角的映射关系模型；3风电机组分群等值；4风电场调节能力实时评估，构建基于DRN‑GRU网络的风电场理论出力模型；在实时评估过程中，由风速‑功率‑理论桨距角的映射关系模型根据风电机群的等值风速和等值功率得到对应的理论桨距角，修正时空相关特征矩阵，将修正时空相关矩阵输入DRN‑GRU网络的风电场理论出力模型得到风电场理论出力，与当前风电场出力对比，即得到风电场有功调节裕度。根据有功调节裕度对风电场调节能力进行实时评估。

本发明授权基于时空相关特征融合的风电场动态调节能力评估方法在权利要求书中公布了：1.一种基于时空相关特征融合的风电场动态调节能力评估方法，其特征在于，包括以下内容： 1获得风电场各风电机组的数据，并进行异常数据清洗，获得正常运行数据； 2构建风速-功率-理论桨距角的映射关系模型 由步骤1风电机组正常运行数据为基础，建立风速、功率、桨距角之间的映射关系，该映射关系由神经网络建立，其训练过程以风速、功率为输入，以桨距角为输出，得到风速-功率-理论桨距角的映射关系模型； 3风电机组分群等值 对于步骤1的正常运行数据，采用滑动时间窗的方法，对每个时间窗口内的风机数据进行统计分析，定义风速时间序列的一阶差分为风速变化量，风速变化量与风速的相依关系即为时序相依特征，以时序相依特征为基础采用K-means聚类方法对风电场机组动态分群，共分成m个风电机群，并采用加权法计算每个风电机群的等值风速、等值风向和等值桨距角； 4风电场调节能力实时评估 采用滑动时间窗的方法，确定每时刻的基准风电机群，所述基准风电机群具有最高的风机台数占比，且与其他风电机群的相关性最高；基于Shapley法获得基准风电机群与其他风电机群间的等值风速加权相关系数、等值桨距角加权相关系数、等值风向加权相关系数，根据基准风电机群与其他风电机群的时空相关性，建立该时刻风电场时空相关特征矩阵； 所述时空相关特征矩阵维度为m*m，以基准风电机群的等值风速作为矩阵的第一个元素，以基准风电机群与其他风电机群间的等值风速加权相关系数作为对角元素，以基准风电机群与其他风电机群间的等值桨距角加权相关系数作为第一列元素，以基准风电机群与其他风电机群间的等值风向加权相关系数作为第一行元素，其余元素为0； 构建基于DRN-GRU网络的风电场理论出力模型，该模型以风电场时空相关特征矩阵为输入，以风电场功率为输出，在风电场运行中，随着时间窗的移动，产生{时空相关特征矩阵，风电场功率}组队信息序列，将该序列代入DRN-GRU网络进行训练，获得基于DRN-GRU网络的风电场理论出力模型； 在实时评估过程中，由风速-功率-理论桨距角的映射关系模型根据风电机群的等值风速和等值功率得到对应的理论桨距角，对理论桨距角进行加权相关性计算获得实时理论等值桨距角加权相关系数，以理论等值桨距角加权相关系数修正时空相关特征矩阵中等值桨距角加权相关系数的信息，获得修正时空相关特征矩阵，将修正时空相关矩阵输入DRN-GRU网络的风电场理论出力模型得到风电场理论出力，与当前风电场出力对比，即得到风电场有功调节裕度，根据有功调节裕度对风电场调节能力进行实时评估。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院330#；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。