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！

龍圖騰網獲悉杭州電子科技大學上虞科學與工程研究院有限公司;杭州電子科技大學申請的專利一種多維風電爬坡事件智能檢測方法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：CN116028554B 。

龍圖騰網通過國家知識產權局官網在2025-08-15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：202310096656.7，技術領域涉及：G06F16/2458；該發明授權一種多維風電爬坡事件智能檢測方法是由張翔;倪瑜那;趙堅;傅俊偉;周志光設計研發完成，并于2023-01-19向國家知識產權局提交的專利申請。

本一種多維風電爬坡事件智能檢測方法在說明書摘要公布了：本發明公開了一種多維風電爬坡事件智能檢測方法。本發明首先基于不同定義下風電爬坡事件的人工標注，融合不同定義下爬坡事件的多維屬性特征，利用Alexnet神經網絡模型充分學習多維風電爬坡事件特征，進行風電爬坡事件的智能檢測；然后基于置信度設計了爬坡事件智能檢測結果的不確定性可視設計方案，幫助用戶從不同維度分析和判斷爬坡事件的檢測結果，增加爬坡事件智能檢測結果的可解釋性分析。本發明結合人機交互設計了模型動態優化方法，支持用戶交互式探索檢測結果的準確性，進而交互式迭代更新樣本，實現智能監測模型的動態優化。本發明增加風電爬坡事件檢測結果的可解釋性方案，幫助用戶交互式探索風電爬坡事件檢測結果的不確定性。

本發明授權一種多維風電爬坡事件智能檢測方法在權利要求書中公布了：1.一種多維風電爬坡事件智能檢測方法，其特征在于： 步驟1.首先，基于多種定義下進行風電爬坡事件數據標簽的人工標注，融合不同定義下風電爬坡事件的多維屬性特征，具體如下： 由用戶設置時間間隔作為一個事件，結合以下五個定義下的風電爬坡事件特征進行數據集的人工標注，獲得有標簽的訓練集； 用戶預先設定五個閾值參數λ1、λ2、λ3、λ4和λ5； 如果|Pt+ΔT-Pt|＞λ1，則發生爬坡事件，否則未發生爬坡事件；ΔT為設置的時間間隔，Pt為t時刻的風電功率，Pt+ΔT為t+ΔT時刻的風電功率； 如果maxP[t,t+ΔT]-minP[t,t+ΔT]＞λ2，則發生爬坡事件，否則未發生爬坡事件；P[t,t+ΔT]為t時刻到t+ΔT時刻內風電功率序列； 如果則發生爬坡事件，否則未發生爬坡事件； 如果則發生爬坡事件，否則未發生爬坡事件；t時刻的風電功率濾波信號h＝1,2,…,H，H表示時間窗的最大取值，Pt+h為t+h時刻的風電功率，Pt+h-H為t+h-H時刻的風電功率； 如果則發生爬坡事件，否則未發生爬坡事件；風電功率序列內第n個樣本的風電功率的變化量n＝1,2,…,N，N為設定時間間隔內風電功率序列中的樣本個數，tn表示第n個樣本所在時間，Ptn+1表示風電功率序列內第n+1個樣本的風電功率，Ptn-1表示風電功率序列內第n-1個樣本的風電功率； 然后，利用Alexnet神經網絡模型進行多維風電爬坡事件特征學習，構建多維風電爬坡事件的智能檢測模型； 步驟2.基于智能檢測結果，設計日歷熱力圖和功率曲線圖呈現風電爬坡事件的檢測結果；基于置信度設計聯動交互的柱狀圖和棒棒糖圖，可視化風電爬坡事件檢測結果的不確定性，增加檢測結果的可解釋性； 步驟3.將可視化與人機交互相結合，設計散點圖、平行坐標圖以及具有相似功率趨勢的事件折線圖，輔助用戶交互式判斷所選事件檢測結果的準確性；針對檢測錯誤的事件，控制面板支持樣本標簽批量式迭代更新，進而實現風電爬坡事件智能模型的動態優化。

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杭州電子科技大學上虞科學與工程研究院有限公司;杭州電子科技大學，其通訊地址為：312300 浙江省紹興市上虞區曹娥街道江西路2288號浙大網新科技園A2樓810室；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”。