買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉國網安徽省電力有限公司經濟技術研究院申請的專利一種基于回歸分析和LSSVM的源荷一體化預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115423143B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210830514.4，技術領域涉及：G06Q10/04；該發明授權一種基于回歸分析和LSSVM的源荷一體化預測方法是由徐加銀;汪濤;崔宏;李坤;錢龍;方毛林;王緒利;聶元弘設計研發完成，并于2022-07-15向國家知識產權局提交的專利申請。

本一種基于回歸分析和LSSVM的源荷一體化預測方法在說明書摘要公布了：本發明涉及一種基于回歸分析和LSSVM的源荷一體化預測方法，包括：采集數據；對所采集的數據進行預處理，剔除異常數據，并進行歸一化處理；計算待預測地區的各風、光電站功率時間序列和該地區風、光電站總功率序列的皮爾遜相關系數r，以及各個風、光電站的數據準確度C；對待預測地區的特征風、光電站的時間序列數據進行基于STL的時間序列分解；構建回歸預測模型；得到待預測地區最終的風電、光伏預測功率；得到待預測地區的負荷預測結果。本發明通過STL時間序列分解，對于各個分量的特性構造不同的回歸函數，以量化氣象因素、時間因素對風電場、光伏電站出力的影響，本發明考慮到氣象因素對不同分量的影響，預測模型更加詳細。

本發明授權一種基于回歸分析和LSSVM的源荷一體化預測方法在權利要求書中公布了：1.一種基于回歸分析和LSSVM的源荷一體化預測方法，其特征在于：該方法包括下列順序的步驟： 1采集待預測地區的風、光電站的發電功率數據、負荷數據和氣象數據； 2對步驟1所采集的數據進行預處理，剔除異常數據，并進行歸一化處理； 3計算待預測地區的各風、光電站功率時間序列和該地區風、光電站總功率序列的皮爾遜相關系數r，以及各個風、光電站的數據準確度C； 4對待預測地區的特征風、光電站的時間序列數據進行基于STL的時間序列分解； 5基于非線性多元回歸分析方法，確定經時間序列分解后的特征風、光電站的時間序列和風速、溫度、輻照強度氣象因素之間的關系，構建回歸預測模型； 6根據天氣預報，將待預測日的氣象因素代入特征風、光電站分解后的長期分量、周期波動分量和噪聲分量的回歸預測模型，預測后將各個分量疊加后得到特征風、光電站發電預測功率，并根據特征風、光電站的容量，得到待預測地區最終的風電、光伏預測功率； 7將待預測地區風、光電站的發電功率數據、氣象數據和負荷數據劃分為訓練集和驗證集，通過采用基于分段核函數的最小二乘支持向量機LSSVM進行訓練，得到負荷預測模型，將預測后的風、光電站發電功率數據和氣象數據代入訓練好的負荷預測模型中，得到待預測地區的負荷預測結果； 所述步驟7具體包括以下步驟： 7a構建負荷預測所需的輸入變量集合和輸出變量集合，輸入變量集合為x＝{f1,f2,f3,f4,f5,Pwt,Pvt}＝{x1,x2,x3,x4,x5,x6,x7}，包含氣象數據和該地區風電場總功率和光伏電站總功率數據，輸出變量集合y＝PLt為地區電力負荷；然后按比例劃分為訓練集和驗證集； 7b構建基于LSSVM的回歸函數，其方程用y＝fx表示為： 其中，w為權向量，b為輸出偏置，φx表示輸入變量與高維空間的非線性映射關系； 7c根據結構風險最小化原則，為求解式9，引入松弛變量，則回歸問題的目標函數及相應的約束條件為： 其中，c為懲罰函數，ξi為松弛變量，N為樣本數； 7d再引入拉格朗日乘子，構建拉格朗日函數，以求解上述回歸問題，具體如下： 其中，λi為拉格朗日乘子； 拉格朗日函數取到極值即有下式： 7e式13的解為： 其中，λ＝[λ1,λ2,…,λn]T，Y＝[y1,y2,…,yn]T，Ω＝{Ωij|i,j＝1,2,…,n}，為選擇的核函數，設置分段核函數Kxi,xj如下式15所示， 其中，q為閾值，σ為帶寬，A為徑向基核函數的常數項； 7f最終求解負荷預測模型為：

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人國網安徽省電力有限公司經濟技術研究院，其通訊地址為：230009 安徽省合肥市蜀山區金寨路73號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。