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！

龙图腾网获悉哈尔滨工业大学申请的专利一种概率性框架下应用于光伏功率的层级式调和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：CN119782690B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411839194.4，技术领域涉及：G06F17/18；该发明授权一种概率性框架下应用于光伏功率的层级式调和预测方法是由杨大智;宋萌萌;刘佰设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种概率性框架下应用于光伏功率的层级式调和预测方法在说明书摘要公布了：一种概率性框架下应用于光伏功率的层级式调和预测方法，属于光伏发电技术领域。为解决当前概率性层级预报方法难以保证概率聚合一致性且计算缓慢的问题，本发明包括采集电力系统对应同一时间分辨率和预测范围的各个层级节点的光伏功率、基预报，计算每个节点的基预报误差，构建基预报误差矩阵；使用样本重排由下至上聚合技术，基于基预报误差矩阵从底层节点向上逐层聚合，得到所有节点的初始聚合概率性预报；基于初始聚合概率性预报和概率性基预报构建基预报向量，使用调和矩阵将基预报向量转换为底层节点修正的概率性预报；将底层节点修正的概率性预报再次使用样本重排由下至上聚合技术，由下至上逐层聚合为所有节点符合聚合一致性的概率性预报。

本发明授权一种概率性框架下应用于光伏功率的层级式调和预测方法在权利要求书中公布了：1.一种概率性框架下应用于光伏功率的层级式调和预测方法，其特征在于，包括如下步骤： S1.采集电力系统对应同一时间分辨率和预测范围的各个层级节点的光伏功率、基预报，计算每个节点的基预报误差，构建基预报误差矩阵； S2.使用样本重排由下至上聚合技术，基于步骤S1得到的基预报误差矩阵从底层节点向上逐层聚合，最终得到所有节点的初始聚合概率性预报； S3.基于步骤S2得到的初始聚合概率性预报和概率性基预报构建基预报向量，然后使用调和矩阵将基预报向量转换为底层节点修正的概率性预报； 步骤S3的具体实现方法包括如下步骤： S3.1.计算节点i初始聚合概率性预报与概率性基预报的差异向量，计算公式为： di,th＝ci,th-bi,th 其中，di,th∈RQ为节点i的差异向量； S3.2.将步骤S3.1计算的差异向量与底层节点的概率性基预报合并为基预报向量Dth，得到： Dth＝d1,th,...,dn-m,th,bn-m+1,th,...,bn,th∈RQ×n； S3.3.使用调和矩阵将Dth转换为底层节点修正的概率性预报，得到表达式为： Lt＝PDthT 其中，Lt T＝qn-m+1,th,...,qn,th∈RQ×m为底层节点的修正概率性预报，代表底层节点k在分位水平{τ1,τ2,…,τQ}的修正后分位数预报；P∈Rm×n为待优化的调和矩阵，用于将某一分位水平的聚合不一致信息转换成该分位水平下所有底层节点的修正分位数预报； 步骤S3.3中调和矩阵的优化方法为采用矩阵分解的方式，构建小规模矩阵以近似P，表达式为： P＝[P1P2]≈[WVWTP2] 其中，P1∈Rm×m为P的左侧部分元素构成的矩阵，P2∈Rm×n-m为P的右侧部分元素构成的矩阵； 由于底层节点的个数远大于上层节点的个数，即因此P1权值参数的个数远大于P2，采用W∈Rm×v与V∈Rv×v的乘积WVWT近似P1，其中并通过最小化分位数损失函数优化P，表达式为： 其中，Loss为分位数损失函数的值，f·为Huber分位数损失，为节点i在时刻s对时刻s+h所生成的分为水平为τk的分位数，yi,s+h为节点i在时刻s+h的真实值； Huber分位数损失表示为： 其中，为以u为自变量的函数，λ为一个值为2-8的常数，τk为分位水平； S4.将步骤S3得到的底层节点修正的概率性预报再次使用样本重排由下至上聚合技术，由下至上逐层聚合为所有节点符合聚合一致性的概率性预报。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。