免责声明:此信息由网站用户发布,所涉及的全部信息(包括图片等)仅供参考。本网站不保证此信息完全真实、有效,也不构成任何建议。详细请见本站网站声明。
专利信息登记表(供给方)
| 专利名称 | v |
||
| 专利类型 | 国内专利 | ||
| 申请号/专利号 | ZL202511263784.1 | ||
| 专利权人 | 陈立娟 杨贵胜 艾超 潘乐 李玮一 高伟 孔祥东 | ||
| 申请日 | 2025-09-05 | ||
| 授权日 | 2026-01-30 | ||
| 公开(公告)号 | CN121440530B | ||
| 法律状态 | 已授权 | ||
| 行业分类 | 其他 | ||
| 战略性新兴产业分类 | 风力发电机组 | ||
| 意向价格 | 面议 | ||
| 权属人所属地域 | 北京市-市辖区-东城区 | ||
| IPC分类 | H02 发电、变电或配电 | ||
| 专利类别 | 发明 | ||
| 是否有PCT 选项 | |||
| 合作方式 | 技术转让| | ||
| 专利摘要 | 本发明提供一种储能式液压型风力发电机组超短期输出功率预测方法,涉及机器学习的智能预测领域,其包含S1:采集风速历史数据;S2:采用CEEMDAN‑LSTM组合模型得到风速预测值;S3:构建优化的WPC模型;S4:得到风力机输出功率预测值;S5:构建液压系统效率物理模型获得液压系统传动效率理论值;S6:构建液压系统传动效率模型得到液压系统传动效率预测值;S7:获得液压马达输出轴的机械功率预测值;S8:构建液压储能预测模型;S9:根据PINN‑LSTM得到最终输出功率预测值。本发明通过引入物理一致性约束与机器学习的状态特征序列学习机制,实现高精度、强泛化、可解释的超短期输出功率预测。 |
| 信息有效期 | 2026-09-24 至 2026-12-31 |
项目联系人信息