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！

龙图腾网获悉广东电网有限责任公司申请的专利一种配电网边缘侧光伏自适应集成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：CN115759411B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211454723.X，技术领域涉及：G06Q10/04；该发明授权一种配电网边缘侧光伏自适应集成预测方法是由谢瀚阳;朱泰鹏;李晓璐;康旖;冯歆尧;彭泽武;梁盈威;赵金利;冀浩然;刘志伟设计研发完成，并于2022-11-21向国家知识产权局提交的专利申请。

本一种配电网边缘侧光伏自适应集成预测方法在说明书摘要公布了：一种配电网边缘侧光伏自适应集成预测方法，在模型初始训练阶段，以Tradaboost算法为主体集成框架，以极限学习机作为基础预测器；在集成过程中，通过删除预测性能低的极限学习机预测器，并相应地提高预测性能高的极限学习机预测器，实现最终集成规模的降低，降低了后续预测的计算开销和存储资源。在日前的滚动预测阶段，结合每天的实际光伏出力数据，采用在线序列极限学习机算法对各个基础极限学习机预测器进行参数更新，解决边缘侧光伏预测模型的自适应问题，为配电网生成分布式电源的控制策略提供有效依据。

本发明授权一种配电网边缘侧光伏自适应集成预测方法在权利要求书中公布了：1.一种配电网边缘侧光伏自适应集成预测方法，其特征在于，包括如下步骤： 1输入配电网边缘计算装置所辖区域光伏出力历史数据集数值天气预报数据集设置基础极限学习机预测器的初始化训练样本个数Γ、隐含层神经元节点参数候选集正则化参数候选集基础极限学习机预测器的集成规模N0＝N1×N2、源域天数Tm、目标域天数Td，为隐含层神经元节点参数，为正则化参数，N1、N2分别为隐含层神经元节点参数与正则化参数的个数，设置当前预测日天数n＝1，最大预测天数Tmax； 2基于距离相关系数对数值天气预报数据集中气象因素与光伏出力进行相关性分析，筛选出影响光伏出力的关键因素，形成关键气象因素数据集 3对所述的光伏出力历史数据集和所述的关键气象因素数据集分别进行min-max标准化处理与样本划分，得到训练集 4基于所述的训练集对集成规模N0个的基础极限学习机预测器进行训练； 5对步骤4中训练得到的N0个基础极限学习机预测器，采用稀疏自适应提升的Tradaboost算法删除非关键的基础极限学习机预测器，将自动筛选后的所有基础极限学习机预测器{Gix}及对应的权重系数{αi}集成得到稀疏集成极限学习机预测模型Gx，作为第n个预测日的光伏出力预测模型；包括： 5.1对用于训练基础极限学习机预测器的Γ个样本，按时间先后顺序，将前Tm个样本划分为源域数据集，其余Td个样本划分为目标域数据集；令计算训练集中各样本的初始权重 5.2对于具有权重Di的训练集计算第i个基础极限学习机预测器Gix在训练集上的样本最大回归误差Ei： Ei＝max∑|yt-Gixt|,t＝1,2,…,Tm+Td11 式中，Gixt表示第i个基础极限学习机预测器Gix对第t个样本的光伏出力预测值，yt为第t个样本的光伏实际值，维度均为Z×1，|yt-Gixt|表示第i个基础极限学习机预测器Gix对第t个样本的预测误差向量，∑|yt-Gixt|表示第i个基础极限学习机预测器Gix对第t个样本的预测误差向量|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计算Gix在训练集中的每个样本上的相对回归误差ei,t： 5.4计算Gix在训练集上的总体回归误差ei和误差系数βi： 式中，表示取和0.5中相对小的值； 5.5计算Gix的权重系数αi及累积权重系数R： R＝∑αi16 5.6若i＝1，则令i＝i+1，返回第5.2步；否则，按下式寻找两个进行权重系数调整的基础极限学习机预测器分别为第h1个和第h2个： 式中，Ghxt表示Ghx对第t个样本的光伏出力预测值，Gτxt表示Gτx对第t个样本的光伏出力预测值，Ghx,Gτx分别为第h个和第τ个基础极限学习机预测器，表示哈达玛积； 5.7计算最优权重转移步长p*，并对第h1个和第h2个基础极限学习机预测器的权重系数进行调整： 式中，和分别表示基础极限学习机预测器的权重系数; 5.8若则利用公式21调整累积权重系数R，并将权重小于0的基础极限学习机预测器的权重置为0，删除该基础极限学习机预测器： 5.9更新源域数据集和目标域数据集的样本权重： 式中表示对基础极限学习机预测器Gix来说训练集中样本t的权重。 5.10若iN0，则令i＝i+1，返回第5.2步；否则计算得到第n个预测日的稀疏集成极限学习机预测模型Gx： 6向第n个预测日的稀疏集成极限学习机预测模型Gx输入第n个预测日的关键气象因素数据，得到第n个预测日光伏出力预测结果 7在第n个预测日结束后，记录第n个预测日的光伏实际出力数据采用在线序列极限学习机算法，对所述的第n个预测日的稀疏集成极限学习机预测模型Gx进行参数修正更新，更新预测日n＝n+1，判断n是否大于最大预测天数Tmax，若不大于则返回步骤6，否则结束预测。

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广东电网有限责任公司，其通讯地址为：510060 广东省广州市越秀区东风东路757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”。