Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网河北省电力有限公司电力科学研究院;国家电网有限公司于腾凯获国家专利权

国网河北省电力有限公司电力科学研究院;国家电网有限公司于腾凯获国家专利权

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!

龙图腾网获悉国网河北省电力有限公司电力科学研究院;国家电网有限公司申请的专利风电预测误差不确定性建模方法及装置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:CN117878899B

龙图腾网通过国家知识产权局官网在2025-10-28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:202311799733.1,技术领域涉及:H02J3/00;该发明授权风电预测误差不确定性建模方法及装置是由于腾凯;杨鹏;梁纪峰;戎士洋;王蕾报;张琦;谭大帅设计研发完成,并于2023-12-25向国家知识产权局提交的专利申请。

风电预测误差不确定性建模方法及装置在说明书摘要公布了:本发明提供一种风电预测误差不确定性建模方法及装置,属于风电功率预测领域。该方法包括:获取风电样本集,并对风电样本集进行预处理,得到风电样本分布域;基于风电样本分布域,采用高斯融合方法,改进在线自适应核密度方法,确定多随机变量的联合概率密度模型和风电预测值随机变量的边缘分布概率密度模型;根据多随机变量的联合概率密度模型和风电预测值随机变量的边缘分布概率密度模型,确定风电预测误差随机变量的条件概率密度模型;基于风电样本分布域的定义域,对条件概率密度模型进行修正,得到修正后的条件概率密度模型,并确定风电预测误差的置信区间和点预测值。本发明能够降低模型的过拟合和不平滑程度,提高模型精度。

本发明授权风电预测误差不确定性建模方法及装置在权利要求书中公布了:1.一种风电预测误差不确定性建模方法,其特征在于,包括: 获取风电样本集,并对所述风电样本集进行预处理,得到风电样本分布域; 基于所述风电样本分布域,采用高斯融合方法,改进在线自适应核密度方法,确定多随机变量的联合概率密度模型和风电预测值随机变量的边缘分布概率密度模型; 根据所述多随机变量的联合概率密度模型和所述风电预测值随机变量的边缘分布概率密度模型,确定风电预测误差随机变量的条件概率密度模型; 基于所述风电样本分布域的定义域,对所述条件概率密度模型进行修正,得到修正后的条件概率密度模型,并基于所述修正后的条件概率密度模型,确定风电预测误差的置信区间和点预测值; 基于所述风电样本分布域,采用高斯融合方法,改进在线自适应核密度方法,确定多随机变量的联合概率密度模型,包括: 初始化更新次数k,并确定经过k次更新后的风电预测值随机变量X和风电预测误差随机变量Y的联合概率密度模型 获取所述风电样本分布域中的第k+1个归一化后的风电样本rk+1,并根据所述rk+1和所述进行高斯分量激活,得到被激活的高斯分量的下标集合S,以及基于所述S,进行高斯分量插入或高斯分量更新处理; 对当前的联合概率密度模型进行降噪处理,并对数据密集聚集区的高斯分量进行融合,得到经过k+1次更新后的风电预测值随机变量X和风电预测误差随机变量Y的联合概率密度模型; 若k+1N,则将k加1得到新的k,并跳转至所述获取所述风电样本分布域中的第k+1个归一化后的风电样本rk+1的步骤循环执行; 若k+1≥N,则将所述经过k+1次更新后的风电预测值随机变量X和风电预测误差随机变量Y的联合概率密度模型作为所述多随机变量的联合概率密度模型;N为所述风电样本集中的风电样本的数量; 其中,为经过k次更新后的第j个高斯分量的权重,为经过k次更新后的第j个高斯分量的均值向量,为经过k次更新后的第j个高斯分量的协标准差矩阵,为经过k次更新后的第j个高斯概率密度函数,ck为经过k次更新后的高斯概率密度函数的数量, 相应地,所述根据所述rk+1和所述进行高斯分量激活,得到被激活的高斯分量的下标集合S,包括: 根据计算所述rk+1和各所述高斯分量的马氏距离;Mjrk+1为所述rk+1和第j个高斯分量的马氏距离; 根据所述rk+1和各所述高斯分量的马氏距离,确定被激活的高斯分量的下标集合S;其中,S={j|j∈{1,2,...,ck},Mjrk+1Tj};Tj为第j个高斯分量的激活阈值; 所述根据所述多随机变量的联合概率密度模型和所述风电预测值随机变量的边缘分布概率密度模型,确定风电预测误差随机变量的条件概率密度模型,包括: 根据确定风电预测误差随机变量的条件概率密度模型fY|Xy|x;其中,fX,Yx,y为所述多随机变量的联合概率密度模型;fXx为所述风电预测值随机变量的边缘分布概率密度模型; 所述基于所述风电样本分布域的定义域,对所述条件概率密度模型进行修正,得到修正后的条件概率密度模型,包括: 根据对所述条件概率密度模型的域外部分进行截断,并将域外部分以均匀分布的方式叠加到域内部分,得到修正后的条件概率密度模型f′Y|Xy|x; 其中,y为风电预测误差随机变量Y的数据;x为风电预测值随机变量X的数据;u为所述风电样本分布域的定义域外的累积概率。

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河北省电力有限公司电力科学研究院;国家电网有限公司,其通讯地址为:050021 河北省石家庄市裕华区体育南大街238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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。