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！

龙图腾网获悉中国海洋大学申请的专利基于模型预测控制的风电集群尾流优化方法及其装置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：CN121689299B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610178438.1，技术领域涉及：H02J3/466；该发明授权基于模型预测控制的风电集群尾流优化方法及其装置是由张继;郭成科;孙永超;袁瀚;梅宁;朱梦鸽;郑旭设计研发完成，并于2026-02-09向国家知识产权局提交的专利申请。

本基于模型预测控制的风电集群尾流优化方法及其装置在说明书摘要公布了：本申请涉及风力发电预测控制技术领域，公开一种基于模型预测控制的风电集群尾流优化方法及其装置，其中，方法包括：集采全场每台风电机组的运行状态变量和气象环境信息；将运行状态变量和气象环境信息输入至综合预测模型中，输出全场每台风电机组在未来Np个时刻的发电功率序列；构建目标函数和约束条件，并结合未来Np个时刻的发电功率序列，确定每台风电机组未来Np个时刻的偏航角序列；根据未来Np个时刻的偏航角序列中第一个时刻的值控制风电机组执行偏航动作，并按照滚动时域优化机制形成滚动闭环控制。这样，既保留了物理机理的准确性，又具备深度学习的非线性拟合能力，能够提升全场功率预测精度，兼顾高精度物理场描述和集群控制的快速响应。

本发明授权基于模型预测控制的风电集群尾流优化方法及其装置在权利要求书中公布了：1.一种基于模型预测控制的风电集群尾流优化方法，其特征在于，包括： S10，数据采集：集采全场每台风电机组的运行状态变量和气象环境信息； S20，综合预测：将所述运行状态变量和所述气象环境信息输入至综合预测模型中；所述综合预测模型包括：内嵌N-S方程和涡量方程物理约束的PI-DANN模型、GAT模型和损失函数中引入基于标准功率曲线的物理约束的PI-Informer模型，利用所述PI-DANN模型生成风电场的邻接矩阵，所述GAT模型基于所述邻接矩阵确定每台风电机组的有效捕获风速，以及所述PI-Informer模型基于所述有效捕获风速输出全场每台风电机组在未来Np个时刻的发电功率序列； S30，优化决策：构建目标函数和约束条件，并结合所述未来Np个时刻的发电功率序列，确定每台风电机组未来Np个时刻的偏航角序列； S40，执行反馈：根据所述未来Np个时刻的偏航角序列中第一个时刻的值控制风电机组执行偏航动作，并按照滚动时域优化机制形成滚动闭环控制； 其中，S20中，所述GAT模型基于所述邻接矩阵确定每台风电机组的有效捕获风速，包括： 将每一台风电机组定义为图的节点，各台风电机组间的尾流影响关系定义为图的有向边； 引入多头注意力机制，自动计算上游节点j对下游节点i的影响权重αij： ， 其中，为节点特征向量；||表示向量拼接操作，为单层前馈神经网络的权重向量，LeakyReLU为非线性激活函数，Softmax为归一化指数函数； 基于各台风电机组间的距离和偏航角，自适应分配尾流影响权重，并输出物理风速； 利用卡尔曼滤波算法对所述物理风速与机舱实测风速进行加权融合，得到每台风电机组的有效捕获风速； 其中，所述利用卡尔曼滤波算法对所述物理风速与机舱实测风速进行加权融合，得到每台风电机组的有效捕获风速，包括： 将k时刻真实的有效捕获风速定义为状态变量，将所述GAT模型的输出值作为先验预测，将机舱风速定义为测量变量，状态方程与测量变量的方程分别定义如下： ， 其中，N0,Q和N0,R分别表示均值为0、方差为Q与R的高斯分布；为过程噪声，代表所述GAT模型未表征部分的瞬时流场扰动；为测量噪声，代表测风仪含尾流干扰的测量误差； ， 式中，为k时刻经卡尔曼滤波估计得到的有效捕获风速，在此处作为先验状态估计值，为卡尔曼增益。

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中国海洋大学，其通讯地址为：266000 山东省青岛市崂山区松岭路238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。