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！

龙图腾网获悉国网安徽省电力有限公司经济技术研究院申请的专利一种基于回归分析和LSSVM的源荷一体化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：CN115423143B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210830514.4，技术领域涉及：G06Q10/04；该发明授权一种基于回归分析和LSSVM的源荷一体化预测方法是由徐加银;汪涛;崔宏;李坤;钱龙;方毛林;王绪利;聂元弘设计研发完成，并于2022-07-15向国家知识产权局提交的专利申请。

本一种基于回归分析和LSSVM的源荷一体化预测方法在说明书摘要公布了：本发明涉及一种基于回归分析和LSSVM的源荷一体化预测方法，包括：采集数据；对所采集的数据进行预处理，剔除异常数据，并进行归一化处理；计算待预测地区的各风、光电站功率时间序列和该地区风、光电站总功率序列的皮尔逊相关系数r，以及各个风、光电站的数据准确度C；对待预测地区的特征风、光电站的时间序列数据进行基于STL的时间序列分解；构建回归预测模型；得到待预测地区最终的风电、光伏预测功率；得到待预测地区的负荷预测结果。本发明通过STL时间序列分解，对于各个分量的特性构造不同的回归函数，以量化气象因素、时间因素对风电场、光伏电站出力的影响，本发明考虑到气象因素对不同分量的影响，预测模型更加详细。

本发明授权一种基于回归分析和LSSVM的源荷一体化预测方法在权利要求书中公布了：1.一种基于回归分析和LSSVM的源荷一体化预测方法，其特征在于：该方法包括下列顺序的步骤： 1采集待预测地区的风、光电站的发电功率数据、负荷数据和气象数据； 2对步骤1所采集的数据进行预处理，剔除异常数据，并进行归一化处理； 3计算待预测地区的各风、光电站功率时间序列和该地区风、光电站总功率序列的皮尔逊相关系数r，以及各个风、光电站的数据准确度C； 4对待预测地区的特征风、光电站的时间序列数据进行基于STL的时间序列分解； 5基于非线性多元回归分析方法，确定经时间序列分解后的特征风、光电站的时间序列和风速、温度、辐照强度气象因素之间的关系，构建回归预测模型； 6根据天气预报，将待预测日的气象因素代入特征风、光电站分解后的长期分量、周期波动分量和噪声分量的回归预测模型，预测后将各个分量叠加后得到特征风、光电站发电预测功率，并根据特征风、光电站的容量，得到待预测地区最终的风电、光伏预测功率； 7将待预测地区风、光电站的发电功率数据、气象数据和负荷数据划分为训练集和验证集，通过采用基于分段核函数的最小二乘支持向量机LSSVM进行训练，得到负荷预测模型，将预测后的风、光电站发电功率数据和气象数据代入训练好的负荷预测模型中，得到待预测地区的负荷预测结果； 所述步骤7具体包括以下步骤： 7a构建负荷预测所需的输入变量集合和输出变量集合，输入变量集合为x＝{f1,f2,f3,f4,f5,Pwt,Pvt}＝{x1,x2,x3,x4,x5,x6,x7}，包含气象数据和该地区风电场总功率和光伏电站总功率数据，输出变量集合y＝PLt为地区电力负荷；然后按比例划分为训练集和验证集； 7b构建基于LSSVM的回归函数，其方程用y＝fx表示为： 其中，w为权向量，b为输出偏置，φx表示输入变量与高维空间的非线性映射关系； 7c根据结构风险最小化原则，为求解式9，引入松弛变量，则回归问题的目标函数及相应的约束条件为： 其中，c为惩罚函数，ξi为松弛变量，N为样本数； 7d再引入拉格朗日乘子，构建拉格朗日函数，以求解上述回归问题，具体如下： 其中，λi为拉格朗日乘子； 拉格朗日函数取到极值即有下式： 7e式13的解为： 其中，λ＝[λ1,λ2,…,λn]T，Y＝[y1,y2,…,yn]T，Ω＝{Ωij|i,j＝1,2,…,n}，为选择的核函数，设置分段核函数Kxi,xj如下式15所示， 其中，q为阈值，σ为带宽，A为径向基核函数的常数项； 7f最终求解负荷预测模型为：

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国网安徽省电力有限公司经济技术研究院，其通讯地址为：230009 安徽省合肥市蜀山区金寨路73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”。