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！

龙图腾网获悉青岛理工大学;山东省计算中心(国家超级计算济南中心)申请的专利一种基于xLSTM和XGBoost的电力系统中新能源发电功率占比预测方法、装置及计算机可读存储介质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：CN120124848B 。

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：202510185607.X，技术领域涉及：G06Q10/063；该发明授权一种基于xLSTM和XGBoost的电力系统中新能源发电功率占比预测方法、装置及计算机可读存储介质是由焦绪国;黄广帅;王鑫;张道源;杨明;吴晓明;徐宇辰;刘雅琪设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本一种基于xLSTM和XGBoost的电力系统中新能源发电功率占比预测方法、装置及计算机可读存储介质在说明书摘要公布了：本发明属于数据处理的技术领域，更具体地，涉及一种基于xLSTM和XGBoost的电力系统中新能源发电功率占比预测方法、装置及计算机可读存储介质。所述方法包括收集电网的新能源发电数据，并对数据进行预处理；在数据预处理之后，通过最大信息系数对数据集进行特征筛选得到预处理数据集；划分预处理数据集；利用训练好的IPCA模型进行降维处理；使用xLSTM和XGBoost模型进行建模并实现预测；采用HEOA对xLSTM和XGBoost模型进行权重优化，得到最终的组合预测结果。本发明解决了由于新能源发电占比预测是复杂的、非线性的，而线性模型在处理新能源发电占比预测时效果有限、精度较低的问题。

本发明授权一种基于xLSTM和XGBoost的电力系统中新能源发电功率占比预测方法、装置及计算机可读存储介质在权利要求书中公布了：1.一种基于xLSTM和XGBoost的电力系统中新能源发电功率占比预测方法，其特征在于，所述方法包括： S1、收集电网的新能源发电数据，并对数据进行预处理得到数据集，所述预处理包括异常值剔除、用样条插值处理缺失值； S2、在数据预处理之后，通过最大信息系数对数据集进行特征筛选，筛选出对于新能源占比具有重要预测作用的特征，得到预处理数据集，预处理数据集包括特征列和目标列，特征列为对于新能源占比具有重要预测作用的特征； S3、基于预处理数据集，按照时间顺序将数据划分为训练集、验证集和测试集； S4、对于S3中的预处理数据集进行增量主成分分析降维处理，选择累积贡献度超过99%的主成分来训练IPCA模型，随后，利用训练好的IPCA模型对训练集、验证集和测试集进行降维处理； S5、基于降维后的训练集，建立xLSTM和XGBoost模型并进行训练；对于xLSTM模型，通过手动调优确定超参数，并训练xLSTM模型实现预测；对于XGBoost模型，则通过网格搜索方法来优化其超参数，并训练XGBoost模型实现预测； S6、基于降维后的验证集，采用HEOA对xLSTM和XGBoost模型进行权重优化，通过自动化搜索策略，确定两个基模型的最优权重组合，优化目标函数；最终，在降维后的测试集上通过最优权重组合，对xLSTM测试集预测结果和XGBoost测试集预测结果按权重进行加权融合，从而得到最终的组合预测结果； 采用的最大信息系数包括： S21、互信息MI： 1； 公式1中，Y表示新能源占比，X表示新能源占比相关特征；m和n分别表示变量X和Y的取值范围即m列和n行，划分为m列和n行的网格；分别表示X变量离散化后的第r个取值和Y离散化的第s个取值；表示变量的概率分布；表示变量的概率分布； 表示变量和的联合概率分布； S22、最大信息系数MIC： 2； 公式2中，和分别表示在和方向上划分格子的数量；B是一个可变参数，设置为数据量的0.6次方； 所述筛选出对于新能源占比具有重要预测作用的特征包括：母线电压的测量值、母线电压的相角估计值、当前时刻新能源和常规能源的无功功率、补偿器处测量的无功功率、当前时刻的总负载有功功率与无功功率，以及变压器高、中、低端的有功和无功功率的测量值； 所采用的HEOA模型为： 12； 公式12中，表示第个模型的权重，时，代表的是xLSTM模型，时，代表的是XGBoost模型；是第个体在代的位置；是自适应因子；是当前迭代的次数； 是最大迭代次数；表示种群在第代的平均位置；是当前最优解； 表示飞行分布，引入随机性；是跳跃因子是[0,1]之间的随机数。

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青岛理工大学;山东省计算中心(国家超级计算济南中心)，其通讯地址为：266000 山东省青岛市市北区抚顺路11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”。