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！

龙图腾网获悉烟台海颐软件股份有限公司申请的专利一种基于机器学习的光伏功率多时间尺度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：CN121502731B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610042225.6，技术领域涉及：G06F18/27；该发明授权一种基于机器学习的光伏功率多时间尺度预测方法是由杜洋;王静;胡电中;杨明;王凯设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本一种基于机器学习的光伏功率多时间尺度预测方法在说明书摘要公布了：本发明属于光伏功率预测技术领域，具体涉及一种基于机器学习的光伏功率多时间尺度预测方法，包括：获取原始光伏功率时间序列数据和天气预报数据，并进行预处理；采用多输入多输出建模策略，针对不同时间尺度采用差异化建模策略，构建多尺度功率预测模型，基于处理后的数据对多尺度功率预测模型进行训练；基于训练完成的多尺度功率预测模型进行预测输出，并对训练完成的功率预测模型针对不同地区不同天气数据进行评价。通过统一的模型架构和协同优化机制，减少了计算资源消耗与运维成本，形成了有效的误差反馈与协同优化机制，显著提升了整体预测效能。

本发明授权一种基于机器学习的光伏功率多时间尺度预测方法在权利要求书中公布了：1.一种基于机器学习的光伏功率多时间尺度预测方法，其特征在于，包括以下步骤： 步骤100：获取原始光伏功率时间序列数据和天气预报数据，并进行预处理； 步骤200：采用多输入多输出建模策略，针对不同时间尺度采用差异化建模策略，构建多尺度功率预测模型，基于处理后的数据对多尺度功率预测模型进行训练； 多尺度功率预测模型包括：中期功率预测模型、日前功率预测模型和超短期功率预测模型； 采用多输入多输出建模策略，针对不同时间尺度采用差异化建模策略，包括：超短期功率预测模型采用多输入多输出建模策略，并选用LightGBM作为基学习器；将中期功率预测模型、日前功率预测模型的预测任务分别分解为多个预测子任务；每个预测子任务采用独立的多输入多输出建模策略，并选用LightGBM作为基学习器；将独立的基学习器的预测结果拼接为完整的多输出预测矩阵； 步骤300：基于训练完成的多尺度功率预测模型进行预测输出，并对训练完成的功率预测模型针对不同地区不同天气数据进行评价； 对训练完成的功率预测模型进行评价，包括：基于光伏电站的标准化装机容量，并基于不同地区的天气预报数据，设置不同的功率预测模型评价指标； 针对不同地区采用不同的电网评价指标，针对具有复杂气象特征的地区，云量变化频繁，光伏功率波动大；雨季长，低功率时段多；湿度高，散射辐射占比大，评价指标采用自适应归一化的相对误差RMSE；针对晴天多，光伏功率波动相对稳定；干燥少雨，直射辐射占比大；昼夜温差大，功率曲线规律性强的地区，区域评价指标采用误差加权的RMSE； 自适应归一化的相对误差RMSE：对于每个预测时刻，预测功率为，实际功率为，其相对误差表示为：，表示归一化因子；时，归一化因子为；时，归一化因子为0.2×Cap；先分别计算不同功率区间下各时刻相对误差平方的平均值，再开方得到平均相对误差，用1减去平均相对误差并转化为百分比形式，得到评价指标； 误差自加权RMSE：为了使权重具有可比性和规范性，权重： ； 将权重代入均方根误差公式，由于，则： ； 上式中，表示一组j时刻的实际功率；表示j时刻的超短期预测功率； 为了使评价指标与光伏电站的规模相关联，使用装机容量Cap对误差加权的进行归一化处理。

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烟台海颐软件股份有限公司，其通讯地址为：264000 山东省烟台市开发区珠江路32号(III-5小区)；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。