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！

龙图腾网获悉浙江大学申请的专利一种基于集成深度学习的非交叉分位数风电功率概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：CN115456145B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202211054504.2，技术领域涉及：G06F18/27；该发明授权一种基于集成深度学习的非交叉分位数风电功率概率预测方法是由万灿;崔文康设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种基于集成深度学习的非交叉分位数风电功率概率预测方法在说明书摘要公布了：本发明公开了一种基于集成深度学习的非交叉分位数风电功率概率预测方法，该方法首先利用胡贝尔损失函数，建立了基于深度学习的分位数回归模型；然后提出了一种指数堆栈映射方法，用于规避深度学习分位数回归模型的分位数交叉问题；最后构建了一种评估预测分位数总体性能的分位数损失指标，用于深度学习分位数回归模型的双阶段自适应集成，构建了同质深度学习和异质深度学习的混合集成模型。该方法利用深度学习的非线性映射能力和自适应特征提取能力，采用集成学习提升了预测模型的泛化能力，保证了预测分位数的严格单调特性，实现了风电功率的非参数概率预测，有效量化了预测不确定性，为新能源电力系统安全可靠稳定运行提供了关键信息支撑。

本发明授权一种基于集成深度学习的非交叉分位数风电功率概率预测方法在权利要求书中公布了：1.一种基于集成深度学习的非交叉分位数风电功率概率预测方法，其特征在于，该方法是：建立基于胡贝尔损失的深度学习分位数回归模型；在此基础上，提出非交叉分位数回归概率预测模型；提出一种双阶段集成方法实现同质集成深度学习模型和异质集成深度学习模型的自适应集成； 所建立的基于胡贝尔损失的深度学习分位数回归模型如下： ，式中：为预测模型输入向量，为实际功率输出值，分别表示多层感知机、长短期记忆神经网络和深度信念神经网络三种异质集成深度学习模型，为预测输出分位数向量，和分别为深度学习模型及其参数；为给定分位水平下的胡贝尔损失函数： ，式中：为给定分位水平下的预测分位数，为给定的个分位水平的集合，满足，为任意小的正数，定义为： ； 所述的非交叉分位数回归概率预测模型的构建方法为，采用基于指数堆栈映射的非交叉分位数生成策略，首先利用深度学习分位数回归模型生成非负的分位数元素，然后生成预测分位数： ，式中：是深度学习分位数回归模型输出层结果，所述深度学习分位数回归模型输出层的激活函数采用ReLU函数以保证非负性，ReLU函数定义为：，通过所述基于指数堆栈映射的非交叉分位数生成策略输出的预测分位数满足单调递增特性，即： ； 所述双阶段集成方法为，第一阶段构建同质集成深度学习模型和第二阶段构建异质集成深度学习模型： ，，式中：是同质深度学习模型索引的集合，和分别表示同质集成深度学习和异质集成深度学习模型的集成权重，表示同质集成深度学习的集成方法； 所述同质集成深度学习模型和异质集成深度学习模型的集成权重根据所提出的评估预测分位数总体性能的分位数损失指标确定，定义为： ，式中： ，，； 所述同质集成深度学习模型的集成方式为平均集成，其集成权重的计算公式为： ； 所述异质集成深度学习模型的集成方式为平均集成，其集成权重的计算公式为： ，式中：和分别为同质集成深度学习模型和异质集成深度学习模型中利用验证集计算的分位数损失指标。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。