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！

龙图腾网获悉国网上海市电力公司;清华大学申请的专利一种风电联合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：CN116191413B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310129917.0，技术领域涉及：H02J3/00；该发明授权一种风电联合预测方法是由张王俊;郭庆来;朱征;孙宏斌;郭乃网;王奕;吴裔;田年丰设计研发完成，并于2023-02-17向国家知识产权局提交的专利申请。

本一种风电联合预测方法在说明书摘要公布了：本发明公开一种风电联合预测方法，首先建立了基于神经网络的风电出力预测模型，然后采用基于分布式多方内积加密的横向联邦学习算法，通过本地训练更新、参数加密和安全聚合的不断迭代，得到风电场的全局联邦预测模型。本发明不仅可以提高每个风电场的风电出力预测精度，并且可以保障各风电场敏感数据的安全性，在数据不动的前提下充分利用数据的价值，从而在结果上达到聚合多个风电场的数据样本的效果。

本发明授权一种风电联合预测方法在权利要求书中公布了：1.一种风电联合预测方法，其特征在于，包含以下步骤： 步骤S1、构建每个风电场基于长短期记忆网络的风电预测模型； 步骤S2、利用联邦学习算法协同训练各风电场的风电预测模型，通过本地训练更新、参数加密和安全聚合的不断迭代，得到风电场的全局联邦预测模型，具体地，各风电场首先根据本地数据样本更新本地的风电预测模型，然后利用预先生成的密钥对更新参数进行加密并上传给云端，最后云端聚合来自各风电场的解密钥，对更新后的本地参数进行安全聚合，解密后得到新的全局联邦预测模型，该过程不断迭代直到收敛； 所述步骤S2包含： 步骤S2.1、每个风电场利用本地的数据样本更新本地的风电处理预测模型； 步骤S2.2、各风电场将计算得到的梯度值上传给云端； 步骤S2.3、云端聚合所有风电场上传的本地梯度值，得到全局梯度： 式中，是聚合得到的全局梯度，是每个风电场的权重，为风电场总数； 步骤S2.4、云端将聚合得到的全局梯度下发回各风电场，各风电场对预测模型参数进行如下更新： 式中，是第轮迭代时全局预测模型参数，是步长； 不断迭代重复步骤S2.1～步骤S2.4，直至全局模型收敛，风电场间协同预测完成； 所述步骤S2.1包含： 步骤S2.1.1、计算当前风电预测模型的损失函数值： 式中，是长短期记忆网络的风电预测值，是数据样本给出的真实值，即标记值，是批大小，是第个风电场在第轮迭代时在本地预测网络参数为时计算得到的损失函数值； 步骤S2.1.2、利用损失函数值计算相对于网络参数的梯度： 式中，是第个风电场在第轮迭代时在本地预测网络参数为时计算得到的本地梯度。

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国网上海市电力公司;清华大学，其通讯地址为：200122 上海市浦东新区源深路1122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。