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！

龙图腾网获悉中国科学院电工研究所;天津大学;国网河南省电力公司申请的专利一种新能源输出功率不确定性动态评估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：CN120930889B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511462993.9，技术领域涉及：G06Q10/04；该发明授权一种新能源输出功率不确定性动态评估方法是由赵振兴;邓卫;崔明建;薄林;代双寅;王毅;张富杰;陈彦设计研发完成，并于2025-10-14向国家知识产权局提交的专利申请。

本一种新能源输出功率不确定性动态评估方法在说明书摘要公布了：本发明公开了一种新能源输出功率不确定性动态评估方法，属于电力系统性能评估技术领域，包括：清洗新能源实际发电功率历史数据、预测功率历史数据及气象历史数据；通过新能源实际发电功率历史数据集构建特征数据矩阵并对历史数据集进行降维；对降维后的历史数据集进行分类，构造M+1个数据子集；构造并训练分类器；对于M+1个数据子集独立应用改进的最优带宽核密度估计进行计算，求得概率密度函数及给定显著性水平下的预测误差百分比；对于每个时间断面数据，利用训练好的分类器进行分类，根据分类结果获取对应的预测误差百分比区间、给定显著性水平下的预测区间，并对预测区间进行修正。本发明能够提高输出功率不确定性动态评估的准确性。

本发明授权一种新能源输出功率不确定性动态评估方法在权利要求书中公布了：1.一种新能源输出功率不确定性动态评估方法，其特征在于，包括： 步骤1，清洗新能源实际发电功率历史数据、预测功率历史数据及气象历史数据，包括处理缺失值、重复值、错误值及数据标准化； 步骤2，通过新能源实际发电功率历史数据集构建特征数据矩阵并对历史数据集进行降维； 步骤3，采用基于密度的聚类方法对步骤2降维后的历史数据集进行分类，构造M+1个数据子集；M为分类后的类型总数； 步骤4，构造并训练分类器；分类器的输入数据为步骤2降维后的数据，输出为步骤3获得的类别，之后对分类器进行训练； 步骤5，对于步骤3的M+1个数据子集，对每个数据子集的数据独立应用改进的最优带宽核密度估计进行计算，求得概率密度函数，进而求得给定显著性水平下的预测误差百分比；包括： 步骤5.1，概率密度函数计算公式为： ； 其中，为估计的概率密度函数值，为样本总数，为带宽，为自变量，为第个样本，取1至的整数； 采用预测区间覆盖概率最接近置信区间和预测区间平均宽度最小为目标的多目标优化方法求取得最优带宽，作为概率密度函数计算公式中的带宽，计算估计的概率密度函数值； 预测评价指标包括： 1预测区间覆盖概率指标： ； 其中，为预测点个数，第个预测点的实际值落在预测区间内，为1，否则为0； 2预测区间平均宽度指标 其中，分别为预测点处的预测区间上界和预测区间下界； 3预测区间归一化平均宽度指标 式中，为预测点处的预测区间宽度，为最大值函数，为最小值函数； 考虑预测区间覆盖概率最接近置信区间和预测区间平均宽度最小为目标，构建多目标优化模型，目标函数为： ； 其中，为给定显著性水平，以最小为目标，带宽为决策变量，带宽的初始值采用传统的最大似然估计法或者交叉验证法计算；在计算得到预测区间评价指标后，求得目标函数的值，并对带宽进行迭代修正，得到最优带宽； 系数和为均衡系数，根据不同区间预测场景，考虑优先保证置信水平还是保证精度，调整均衡系数和，使得优化后求得的预测区间覆盖概率最接近实际，同时预测区间归一化平均宽度最小； 步骤5.2，利用估计的概率密度函数值计算给定置信水平下的预测误差百分比； 步骤6，对于每个时间断面数据，利用训练好的分类器进行分类，根据分类结果获取对应的预测误差百分比区间，进而获得给定显著性水平下的预测区间，并考虑实际发电功率边界条件对预测区间进行修正。

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中国科学院电工研究所;天津大学;国网河南省电力公司，其通讯地址为：100190 北京市海淀区中关村北二条6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。