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！

龙图腾网获悉东南大学申请的专利基于改进聚类分析和融合集成算法的光伏功率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：CN115204444B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202210534698.X，技术领域涉及：H02J3/00；该发明授权基于改进聚类分析和融合集成算法的光伏功率预测方法是由夏李立;龙寰;王建华;顾伟设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本基于改进聚类分析和融合集成算法的光伏功率预测方法在说明书摘要公布了：本发明公开了一种基于改进聚类分析和融合集成算法的光伏功率预测方法，通过改进的k‑means聚类分析方法，计算各类每天与基准日的MIE综合相似度，剔除相似度低的数据，得到更精确的分类结果；通过建立融合随机森林算法和拟合残差算法的拟合残差随机森林预测模型，将前一个随机森林的残差作为下一个随机森林的训练数据，每个新的随机森林的建立都是为了让之前随机森林的残差往梯度方向减少；通过改进拟合残差算法，根据每次迭代后随机森林模型预测误差值的下降幅度，为每个随机森林的输出结果分配相应的权重，最终预测结果为每次迭代后随机森林模型的输出结果的加权累加，大大提高了光伏预测精度。

本发明授权基于改进聚类分析和融合集成算法的光伏功率预测方法在权利要求书中公布了：1.基于改进聚类分析和融合集成算法的光伏功率预测方法，其特征在于：所述预测方法中，通过改进的k‑means聚类分析方法，计算各类每天与基准日的MIE综合相似度，剔除相似度低的数据，得到更精确的分类结果； 通过建立融合随机森林算法和拟合残差算法的拟合残差随机森林预测模型，将前一个随机森林的残差作为下一个随机森林的训练数据，每个新的随机森林的建立都是为了让之前随机森林的残差往梯度方向减少；新的随机森林模型的预测误差较前一个随机森林模型预测误差的下降幅度低于设定的阈值时，拟合残差随机森林模型将终止迭代； 通过改进拟合残差算法，根据每次迭代后随机森林模型预测误差值的下降幅度，为每个随机森林的输出结果分配相应的权重，最终预测结果为每次迭代后随机森林模型的输出结果的加权累加；具体包括如下步骤： S1，数据预处理、特征相关性分析及特征构建：对光伏的实际功率值及气象数值进行预处理，找出其中的异常值；根据特征之间及特征与标签之间是否存在线性相关来进行相关性分析，根据相关性分析结果去除与标签极弱相关的特征及强线性相关的两个特征中与标签相关度较小的特征，并构建新特征； S2，基于短波辐射通量的k‑means聚类，利用手肘图确定最佳聚类簇数k：对训练集数据做基于短波辐射通量的k‑means聚类，并利用下述公式计算簇内误方差SSE，根据簇内误方差SSE与聚类簇数的关系手肘图确定数据最佳聚类簇数k； ； 式中，SSE是簇内误方差；Ci表示第i个簇，i=1,2,3,…,k；p是Ci中的样本点的短波辐射通量；mi是Ci的质心，即Ci中所有样本点的短波辐射通量的平均值； S3，基于MIE综合相似度筛选，得到更精确的聚类结果：计算各类每天与基准日的MIE综合相似度，剔除各类中相似度低于阈值α的数据，得到更精确的分类结果； S4，建立拟合残差随机森林模型：所述模型为：将前一个随机森林的残差作为下一个随机森林的训练数据，每个新的随机森林的建立都是为了让之前随机森林的残差往梯度方向减少，新的随机森林模型的预测误差较前一个随机森林模型预测误差的下降幅度低于设定的阈值时，拟合残差随机森林模型将终止迭代； S5，模型训练：将测试数据输入训练好的模型得到测试结果，根据每次迭代后误差值的下降幅度，为每个随机森林的输出结果分配相应的权重，所述权重值ωm计算公式如下： ； ； ； 式中，m = 2,3,…,itr，itr为迭代次数；Dm为第m次迭代后误差值的下降幅度；D为Dm之和；ωm为第m次迭代输出结果的权重值，其中，由于m=1时无误差梯度，因此设置ω1=1；θ1、θ2为调整系数； S6，预测结果的加权累加：模型的最终预测结果为每个随机森林预测结果的加权累加，所述拟合残差随机森林模型的最终预测结果计算公式为； 式中，Sm为第m个随机森林模型的预测结果，Sz为拟合残差随机森林模型的最终预测结果。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。