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！

龍圖騰網獲悉廣東電網有限責任公司申請的專利一種配電網邊緣側光伏自適應集成預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：CN115759411B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202211454723.X，技術領域涉及：G06Q10/04；該發明授權一種配電網邊緣側光伏自適應集成預測方法是由謝瀚陽;朱泰鵬;李曉璐;康旖;馮歆堯;彭澤武;梁盈威;趙金利;冀浩然;劉志偉設計研發完成，并于2022-11-21向國家知識產權局提交的專利申請。

本一種配電網邊緣側光伏自適應集成預測方法在說明書摘要公布了：一種配電網邊緣側光伏自適應集成預測方法，在模型初始訓練階段，以Tradaboost算法為主體集成框架，以極限學習機作為基礎預測器；在集成過程中，通過刪除預測性能低的極限學習機預測器，并相應地提高預測性能高的極限學習機預測器，實現最終集成規模的降低，降低了后續預測的計算開銷和存儲資源。在日前的滾動預測階段，結合每天的實際光伏出力數據，采用在線序列極限學習機算法對各個基礎極限學習機預測器進行參數更新，解決邊緣側光伏預測模型的自適應問題，為配電網生成分布式電源的控制策略提供有效依據。

本發明授權一種配電網邊緣側光伏自適應集成預測方法在權利要求書中公布了：1.一種配電網邊緣側光伏自適應集成預測方法，其特征在于，包括如下步驟： 1輸入配電網邊緣計算裝置所轄區域光伏出力歷史數據集數值天氣預報數據集設置基礎極限學習機預測器的初始化訓練樣本個數Γ、隱含層神經元節點參數候選集正則化參數候選集基礎極限學習機預測器的集成規模N0＝N1×N2、源域天數Tm、目標域天數Td，為隱含層神經元節點參數，為正則化參數，N1、N2分別為隱含層神經元節點參數與正則化參數的個數，設置當前預測日天數n＝1，最大預測天數Tmax； 2基于距離相關系數對數值天氣預報數據集中氣象因素與光伏出力進行相關性分析，篩選出影響光伏出力的關鍵因素，形成關鍵氣象因素數據集 3對所述的光伏出力歷史數據集和所述的關鍵氣象因素數據集分別進行min-max標準化處理與樣本劃分，得到訓練集 4基于所述的訓練集對集成規模N0個的基礎極限學習機預測器進行訓練； 5對步驟4中訓練得到的N0個基礎極限學習機預測器，采用稀疏自適應提升的Tradaboost算法刪除非關鍵的基礎極限學習機預測器，將自動篩選后的所有基礎極限學習機預測器{Gix}及對應的權重系數{αi}集成得到稀疏集成極限學習機預測模型Gx，作為第n個預測日的光伏出力預測模型；包括： 5.1對用于訓練基礎極限學習機預測器的Γ個樣本，按時間先后順序，將前Tm個樣本劃分為源域數據集，其余Td個樣本劃分為目標域數據集；令計算訓練集中各樣本的初始權重 5.2對于具有權重Di的訓練集計算第i個基礎極限學習機預測器Gix在訓練集上的樣本最大回歸誤差Ei： Ei＝max∑|yt-Gixt|,t＝1,2,…,Tm+Td11 式中，Gixt表示第i個基礎極限學習機預測器Gix對第t個樣本的光伏出力預測值，yt為第t個樣本的光伏實際值，維度均為Z×1，|yt-Gixt|表示第i個基礎極限學習機預測器Gix對第t個樣本的預測誤差向量，∑|yt-Gixt|表示第i個基礎極限學習機預測器Gix對第t個樣本的預測誤差向量|yt-Gixt|中的所有元素求和，max∑|yt-Gixt|表示取∑|yt-Gixt|中的最大值； 5.3計算Gix在訓練集中的每個樣本上的相對回歸誤差ei,t： 5.4計算Gix在訓練集上的總體回歸誤差ei和誤差系數βi： 式中，表示取和0.5中相對小的值； 5.5計算Gix的權重系數αi及累積權重系數R： R＝∑αi16 5.6若i＝1，則令i＝i+1，返回第5.2步；否則，按下式尋找兩個進行權重系數調整的基礎極限學習機預測器分別為第h1個和第h2個： 式中，Ghxt表示Ghx對第t個樣本的光伏出力預測值，Gτxt表示Gτx對第t個樣本的光伏出力預測值，Ghx,Gτx分別為第h個和第τ個基礎極限學習機預測器，表示哈達瑪積； 5.7計算最優權重轉移步長p*，并對第h1個和第h2個基礎極限學習機預測器的權重系數進行調整： 式中，和分別表示基礎極限學習機預測器的權重系數; 5.8若則利用公式21調整累積權重系數R，并將權重小于0的基礎極限學習機預測器的權重置為0，刪除該基礎極限學習機預測器： 5.9更新源域數據集和目標域數據集的樣本權重： 式中表示對基礎極限學習機預測器Gix來說訓練集中樣本t的權重。 5.10若iN0，則令i＝i+1，返回第5.2步；否則計算得到第n個預測日的稀疏集成極限學習機預測模型Gx： 6向第n個預測日的稀疏集成極限學習機預測模型Gx輸入第n個預測日的關鍵氣象因素數據，得到第n個預測日光伏出力預測結果 7在第n個預測日結束后，記錄第n個預測日的光伏實際出力數據采用在線序列極限學習機算法，對所述的第n個預測日的稀疏集成極限學習機預測模型Gx進行參數修正更新，更新預測日n＝n+1，判斷n是否大于最大預測天數Tmax，若不大于則返回步驟6，否則結束預測。

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廣東電網有限責任公司，其通訊地址為：510060 廣東省廣州市越秀區東風東路757號；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”。