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！

龙图腾网获悉河海大学申请的专利一种基于光伏多场景生成与可解释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：CN120851298B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511332177.6，技术领域涉及：G06Q10/04；该发明授权一种基于光伏多场景生成与可解释的光伏功率预测方法是由韩海腾;姜相臣;张思敏;周亦洲;吴传申;陈胜;臧海祥;朱瑛;孙国强;卫志农设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本一种基于光伏多场景生成与可解释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光伏多场景生成与可解释的光伏功率预测方法，首先通过核密度估计和改进的Copula函数，生成多个光伏机组的联合出力场景，提供更精确的场景模拟，并采用改进的ISODATA聚类方法，提高场景聚类的精度，从而更全面地描述光伏发电的不确定性特征；随后，采用Stacking回归方法，通过集成多种基学习器提升预测的可靠性和稳定性；最后，结合SHAP可解释性分析方法，深入了解模型的决策过程和各特征在预测中的重要性，增强了模型的透明度和决策过程的可解释性。本发明能够有效地提升光伏预测的准确性，为用户提供足够的透明度和信任，具有一定的工程使用价值。

本发明授权一种基于光伏多场景生成与可解释的光伏功率预测方法在权利要求书中公布了：1.一种基于光伏多场景生成与可解释的光伏功率预测方法，其特征在于，包括如下步骤： 步骤1，通过核密度估计和Frank-Copula函数建立多光伏机组的联合分布模型，并采用蒙特卡洛方法对所建立的联合分布模型进行采样，得到光伏机组随机出力场景； 步骤2，通过K-ISODATA聚类算法对步骤1得到的光伏机组随机出力场景进行聚类，得到聚类结果；提取每个聚类的聚类中心作为光伏机组典型出力场景，将所有的光伏机组典型出力场景作为数据集，并划分训练集和测试集；具体过程如下： 利用K-means聚类方法对步骤1得到的光伏机组随机出力场景进行聚类，得到个聚类中心； 将K-means聚类方法得到的个聚类中心，作为ISODATA算法的初始聚类中心，进行迭代；在ISODATA算法的每轮迭代过程中，进行下列操作： 计算各光伏机组随机出力场景到当前各聚类中心的欧式距离，将各光伏机组随机出力场景分配到欧式距离最小时所对应的聚类中，公式如下： 其中，表示第个光伏机组随机出力场景，表示被分配到的聚类编号，表示当前的第个聚类中心；表示找到使最小的值，即找到与最近的聚类中心； 根据欧式距离得到个聚类，若存在某聚类中的光伏机组随机出力场景数量小于第一预设阈值，则删除该聚类，并对所删除的聚类中的光伏机组随机出力场景重新分配； 当所有聚类中的光伏机组随机出力场景数量均大于等于第一预设阈值时，计算类内距离和全局类内平均距离： 其中，为第个聚类的类内距离，为第个聚类中光伏机组随机出力场景的数量，为第个聚类中光伏机组随机出力场景的集合，表示属于集合的光伏机组随机出力场景，为聚类的数量； 若某聚类存在且时，对该聚类进行分裂，根据类内偏差最大的维度，生成两个新的聚类中心和： 其中，为分裂系数，为第个聚类在维度上的偏差向量； 计算任意两个聚类中心之间的距离，若存在两个聚类中心的距离小于第二预设阈值，则将这两个聚类中心对应的聚类进行合并，合并后的聚类中心通过加权平均计算： 其中，和分别为聚类和聚类中光伏机组随机出力场景的数量，和分别为聚类和聚类对应的聚类中心； 每轮迭代完成后，重新计算各聚类的聚类中心，直至达到最大迭代次数或者相邻两轮迭代间所有聚类中心的变化幅度均小于第三预设阈值，即对于每个聚类，相邻两轮迭代得到的聚类中心的欧式距离小于第三预设阈值时，迭代结束； 步骤3，采用两层Stacking结构预测光伏发电输出功率，第一层采用多个不同类型的基学习器，利用训练集对每个基学习器进行训练，并将测试集输入训练好的各基学习器中，得到各基学习器的预测输出；第二层以线性回归为元学习器，将各基学习器的预测输出作为元学习器的输入，对各基学习器的预测输出进行优化整合，得到光伏发电输出功率的最终预测结果； 步骤4，引入SHAP方法，计算训练集和基学习器对最终预测结果的边际贡献，实现光伏发电输出功率的最终预测结果的可视化解释； 所述步骤4中，各基学习器的SHAP计算过程如下： 1将第个基学习器的期望输出或者训练集中光伏机组典型出力场景数据的平均值作为参考点； 2根据训练集和第个基学习器的预测输出，计算第个基学习器的梯度： 其中，为基学习器模型的梯度，为第个基学习器的预测输出，为训练集中光伏机组典型出力场景数据； 3计算训练集中每个光伏机组典型出力场景数据的SHAP值： 其中，为第个光伏机组典型出力场景数据的SHAP值，为第个光伏机组典型出力场景数据，为参考点； 4将所有光伏机组典型出力场景数据的SHAP值相加，得到第个基学习器的SHAP值： 其中，为训练集中所有光伏机组典型出力场景数据的数量。

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河海大学，其通讯地址为：211100 江苏省南京市江宁开发区佛城西路8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。