发明创造名称：估计与风力发电机组有关的模型的不确定性的方法和设备
外观设计名称：
决定号：186515
决定日：2019-08-08
委内编号：1F272790
优先权日：
申请（专利）号：201710841538.9
申请日：2017-09-18
复审请求人：北京金风科创风电设备有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：冯慧萍
合议组组长：朱世菡
参审员：吴广平
国际分类号：G06F19/00
外观设计分类号：
法律依据：专利法第2条第2款
决定要点
：如果一项利要求请求保护的方案既没有采用技术手段，也没有解决技术问题，同时所获得也不是技术效果，则该项权利要求请求保护的方案不属于专利法第2条第2款规定的客体。
全文：
本复审请求涉及申请号为201710841538.9，名称为“估计与风力发电机组有关的模型的不确定性的方法和设备”的发明专利申请（下称本申请）。申请人为北京金风科创风电设备有限公司。本申请的申请日为2017年09月18日，公开日为2018年01月19日。
经实质审查，国家知识产权局原审查部门于2018年11月08日发出驳回决定，以权利要求1-30不符合专利法第2条第2款的规定为由驳回了本申请，具体理由包括：权利要求1通过模型的输入参数所在区间来确定输出参数的不确定性，其并不对已有的计算机技术及其公知的内外部性能做改进，由其说明书的描述也可知是解决数学模型更合理的问题，而非技术问题，达到的也非技术效果。因此，权利要求1要求保护的估计与风力发电机组有关的模型的不确定性的方法不是采用技术手段来解决技术问题，不是为了达到技术效果，因而不属于专利法第2条第2款规定的技术方案。基于与权利要求1相似的理由，权利要求2-30也不属于专利法第2条第2款规定的技术方案。驳回决定所依据的文本为：申请日2017年09月18日提交的权利要求第1-30项、说明书第1-120段、说明书附图1-4、说明书摘要、摘要附图 。驳回决定所针对的权利要求书如下：
“1. 一种估计与风力发电机组有关的模型的不确定性的方法，其特征在于，所述方法包括在所述模型每次被使用时执行以下的估计步骤：
获取所述模型在当前次被使用时接收的输入中的至少一种参数；
确定获取的所述至少一种参数各自所落入的预设区间；
分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；
基于所述总次数确定所述模型的输出的第一不确定性。
2. 根据权利要求1所述的方法，其特征在于，基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。
3. 根据权利要求1或2所述的方法，其特征在于，所述至少一种参数为多种参数，所述估计步骤还包括：根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，
基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：基于所述预定数量的参数所对应的总次数确定所述模型的输出的第一不确定性。
4. 根据权利要求3所述的方法，其特征在于，基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：
当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性；
当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间不同的第二预定预设区间时，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性。
5. 根据权利要求4所述的方法，其特征在于，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性的步骤包括：确定与所述预定参数的类型、与所述预定参数对应的总次数以及所述预定参数所落入的预设区间对应的指示所述模型的输出的不确定性的值；
基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第 一不确定性的步骤包括：确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
6. 根据权利要求4所述的方法，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的步骤包括：当与所述多种参数中的任意一种参数对应的总次数不大于所述任意一种参数对应的次数阈值时，确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
7. 根据权利要求6所述的方法，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的步骤还包括：当与每种参数对应的总次数都大于或等于每种参数对应的次数阈值时，将所述模型的输出的第一不确定性的值确定为第一预定值。
8. 根据权利要求7所述的方法，其特征在于，所述第一预定值表示所述模型的输出完全可信赖。
9. 根据权利要求1所述的方法，其特征在于，所述估计步骤还包括：
获取所述模型在当前次被使用时的输出；
基于所述输出估计所述输出的误差的分布的参数；
基于所述分布的参数得到所述模型的输出的第二不确定性。
10. 根据权利要求9所述的方法，所述估计步骤还包括：计算第一不确定性与第二不确定性的乘积作为所述模型的输出的第三不确定性。
11. 根据权利要求9所述的方法，其特征在于，估计所述误差的分布的参数的步骤包括：基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所述模型在当前次被使用时的输出的误差的分布的参数。
12. 根据权利要求9所述的方法，其特征在于，第二不确定性为第二预定值与所述分布的各个参数的和。
13. 根据权利要求12所述的方法，其特征在于，所述第二预定值表示预定的不确定性。
14. 一种校正与风力发电机组有关的模型的输出的方法，其特征在于，所述方法包括：
通过权利要求1所述的方法估计与风力发电机组有关的模型的输出的第 一不确定性，或者通过权利要求9所述的方法估计与风力发电机组有关的模型的输出的第二不确定性，或者通过权利要求10所述的方法估计与风力发电机组有关的模型的输出的第三不确定性；
使用估计的不确定性校正与风力发电机组有关的模型的输出。
15. 根据权利要求14所述的方法，其特征在于，使用估计的不确定性校正与风力发电机组有关的模型的输出的步骤包括：计算估计的不确定性与所述输出的乘积。
16. 一种估计与风力发电机组有关的模型的不确定性的设备，其特征在于，所述设备在所述模型每次被使用时进行操作以估计所述不确定性，所述设备包括：
输入参数获取单元，获取所述模型在当前次被使用时接收的输入中的至少一种参数；
区间判断单元，确定获取的所述至少一种参数各自所落入的预设区间；
计数单元，分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；
第一估计单元，基于所述总次数确定所述模型的输出的第一不确定性。
17. 根据权利要求16所述的设备，其特征在于，第一估计单元确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。
18. 根据权利要求16或17所述的设备，其特征在于，所述至少一种参数为多种参数，所述设备还包括：选择单元，根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，
第一估计单元基于所述预定数量的参数所对应的总次数确定所述模型的输出的第一不确定性。
19. 根据权利要求18所述的设备，其特征在于，
当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，第一估计单元仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性；
当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间不同的第二预定预设区间时，第一估计单元基于与所述多种参数的所有参数 对应的总次数确定所述模型的输出的第一不确定性。
20. 根据权利要求19所述的设备，其特征在于，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：确定与所述预定参数的类型、与所述预定参数对应的总次数以及所述预定参数所落入的预设区间对应的指示所述模型的输出的不确定性的值；
基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
21. 根据权利要求19所述的设备，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：当与所述多种参数中的任意一种参数对应的总次数不大于所述任意一种参数对应的次数阈值时，确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
22. 根据权利要求21所述的设备，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理还包括：当与每种参数对应的总次数都大于或等于每种参数对应的次数阈值时，将所述模型的输出的第一不确定性的值确定为第一预定值。
23. 根据权利要求22所述的设备，其特征在于，所述第一预定值表示所述模型的输出完全可信赖。
24. 根据权利要求16所述的设备，其特征在于，所述设备还包括：
输出获取单元，获取所述模型在当前次被使用时的输出；
分布参数估计单元，基于所述输出估计所述输出的误差的分布的参数；
第二估计单元，基于所述分布的参数得到所述模型的输出的第二不确定性。
25. 根据权利要求24所述的设备，所述设备还包括：第三估计单元，计算第一不确定性与第二不确定性的乘积作为所述模型的输出的第三不确定性。
26. 根据权利要求24所述的设备，其特征在于，分布参数估计单元基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所 述模型在当前次被使用时的输出的误差的分布的参数。
27. 一种校正与风力发电机组有关的模型的输出的设备，其特征在于，所述设备包括：
如权利要求16所述的设备，或者如权利要求24所述的设备，或者如权利要求25所述的设备；
估计单元，使用权利要求16所述的设备估计的与风力发电机组有关的模型的输出的第一不确定性、或者如权利要求24所述的设备估计的与风力发电机组有关的模型的输出的第二不确定性、或者如权利要求25所述的设备估计的第三不确定性作为估计的不确定性，校正与风力发电机组有关的模型的输出。
28. 根据权利要求27所述的设备，其特征在于，估计单元计算估计的不确定性与所述输出的乘积。
29. 一种校正与风力发电机组有关的模型的输出的系统，其特征在于，所述系统包括：
处理器；
存储器，存储有计算机可读代码，当所述计算机可读代码被处理器执行时，执行权利要求1至15中的任意一项所述的方法。
30. 一种其中存储有计算机可读代码的计算机可读存储介质，当所述计算机可读代码被执行时执行权利要求1至15中的任意一项所述的方法。”
申请人（下称复审请求人）对上述驳回决定不服，于2019年01月31日向国家知识产权局提出了复审请求，同时修改了权利要求书。复审请求人认为：（1）权利要求1中与风力发电机组有关的模型是受“风力发电机组”的固有属性约束的模型，不是纯粹的数学模型。权利要求1的各个步骤在“风速和/或湍流强度”的固有属性约束下进行。因此，本申请的输入和输出均为与风力发电机组有关的数据。（2）本申请要解决的问题属于技术问题，权利要求1至少解决了如何使风力发电机组有关的模型的不确定性度判断更加准确的技术问题。因为其从输入和输出两个方面都设置了相应的判断条件，并且这些判断条件是与风参数特性直接相关联的，是符合自然规律的，实现了提高模型输出精度和准确性的有益技术效果。复审请求时新修改的权利要求书如下：
“1. 一种估计与风力发电机组有关的模型的不确定性的方法，其特征在于，所述方法包括在所述模型每次被使用时执行以下的估计步骤：
获取所述模型在当前次被使用时接收的输入中的至少一种参数，所述至少一种参数包括风速和/或湍流强度；
确定获取的所述至少一种参数各自所落入的预设区间；
分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；
基于所述总次数确定所述模型的输出的第一不确定性；
获取所述模型在当前次被使用时的输出；
基于所述输出估计所述输出的误差的分布的参数；
基于所述分布的参数得到所述模型的输出的第二不确定性；
其中，所述第二不确定性为第二预定值与所述分布的各个参数的和。
2. 根据权利要求1所述的方法，其特征在于，基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。
3. 根据权利要求1或2所述的方法，其特征在于，所述至少一种参数为多种参数，所述估计步骤还包括：根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，
基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：基于所述预定数量的参数所对应的总次数确定所述模型的输出的第一不确定性。
4. 根据权利要求3所述的方法，其特征在于，基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：
当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性；
当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间不同的第二预定预设区间时，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性。
5. 根据权利要求4所述的方法，其特征在于，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性的步骤包括：确定与所述预定参数的类型、与所述预定参数对应的总次数以及所述预定参数所落入的预设区间对应的指示所述模型的输出的不确定性的值；
基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的步骤包括：确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
6. 根据权利要求4所述的方法，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的步骤包括：当与所述多种参数中的任意一种参数对应的总次数不大于所述任意一种参数对应的次数阈值时，确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
7. 根据权利要求6所述的方法，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的步骤还包括：当与每种参数对应的总次数都大于或等于每种参数对应的次数阈值时，将所述模型的输出的第一不确定性的值确定为第一预定值。
8. 根据权利要求7所述的方法，其特征在于，所述第一预定值表示所述模型的输出完全可信赖。
9. 根据权利要求8所述的方法，所述估计步骤还包括：计算第一不确定性与第二不确定性的乘积作为所述模型的输出的第三不确定性。
10. 根据权利要求1所述的方法，其特征在于，估计所述误差的分布的参数的步骤包括：基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所述模型在当前次被使用时的输出的误差的分布的参数。
11. 一种校正与风力发电机组有关的模型的输出的方法，其特征在于，所述方法包括：
通过权利要求1所述的方法估计与风力发电机组有关的模型的输出的第一不确定性及第二不确定性，或者通过权利要求9所述的方法估计与风力发电机组有关的模型的输出的第三不确定性；
使用估计的不确定性校正与风力发电机组有关的模型的输出。
12. 根据权利要求11所述的方法，其特征在于，使用估计的不确定性校正与风力发电机组有关的模型的输出的步骤包括：计算估计的不确定性与所述输出的乘积。
13. 一种估计与风力发电机组有关的模型的不确定性的设备，其特征在于，所述设备在所述模型每次被使用时进行操作以估计所述不确定性，所述设备包括：
输入参数获取单元，获取所述模型在当前次被使用时接收的输入中的至少一种参数，所述至少一种参数包括风速和/或湍流强度；
区间判断单元，确定获取的所述至少一种参数各自所落入的预设区间；
计数单元，分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；
第一估计单元，基于所述总次数确定所述模型的输出的第一不确定性；
输出获取单元，获取所述模型在当前次被使用时的输出；
分布参数估计单元，基于所述输出估计所述输出的误差的分布的参数；
第二估计单元，基于所述分布的参数得到所述模型的输出的第二不确定性；
其中，所述第二不确定性为第二预定值与所述分布的各个参数的和。
14. 根据权利要求13所述的设备，其特征在于，第一估计单元确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。
15. 根据权利要求13或14所述的设备，其特征在于，所述至少一种参数为多种参数，所述设备还包括：选择单元，根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，
第一估计单元基于所述预定数量的参数所对应的总次数确定所述模型的输出的第一不确定性。
16. 根据权利要求15所述的设备，其特征在于，
当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，第一估计单元仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性；
当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间 不同的第二预定预设区间时，第一估计单元基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性。
17. 根据权利要求16所述的设备，其特征在于，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：确定与所述预定参数的类型、与所述预定参数对应的总次数以及所述预定参数所落入的预设区间对应的指示所述模型的输出的不确定性的值；
基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
18. 根据权利要求16所述的设备，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：当与所述多种参数中的任意一种参数对应的总次数不大于所述任意一种参数对应的次数阈值时，确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
19. 根据权利要求18所述的设备，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理还包括：当与每种参数对应的总次数都大于或等于每种参数对应的次数阈值时，将所述模型的输出的第一不确定性的值确定为第一预定值。
20. 根据权利要求19所述的设备，其特征在于，所述第一预定值表示所述模型的输出完全可信赖。
21. 根据权利要求13所述的设备，所述设备还包括：第三估计单元，计算第一不确定性与第二不确定性的乘积作为所述模型的输出的第三不确定性。
22. 根据权利要求13所述的设备，其特征在于，分布参数估计单元基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所述模型在当前次被使用时的输出的误差的分布的参数。
23. 一种校正与风力发电机组有关的模型的输出的设备，其特征在于，所述设备包括：
如权利要求13所述的设备，或者如权利要求21所述的设备；
估计单元，使用权利要求13所述的设备估计的与风力发电机组有关的模型的输出的第一不确定性以及第二不确定性、或者如权利要求21所述的设备估计的第三不确定性作为估计的不确定性，校正与风力发电机组有关的模型的输出。
24. 根据权利要求23所述的设备，其特征在于，估计单元计算估计的不确定性与所述输出的乘积。
25. 一种校正与风力发电机组有关的模型的输出的系统，其特征在于，所述系统包括：
处理器；
存储器，存储有计算机可读代码，当所述计算机可读代码被处理器执行时，执行权利要求1至12中的任意一项所述的方法。
26. 一种其中存储有计算机可读代码的计算机可读存储介质，当所述计算机可读代码被执行时执行权利要求1至12中的任意一项所述的方法。”
经形式审查合格，国家知识产权局于2019年02月11日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为：权利要求1虽然对风力发电机组有关的模型的不确定性进行预测，但是权利要求1的实质是对模型的输入参数和其输出参数进行统计，通过统计结果落入某一数值区间来得出不确定性。该方法本身不依赖于模型是何领域，其只是根据人为设定的数值区间来判断任意模型的输出值是否理想，以推测出该模型的不确定性。修改后，虽然输入的为风力相关的参数，但输入参数到输出参数之间的关联体现的是人为规定的判断方法，而非自然规律。该方法不属于利用了自然规律的技术手段，该解决方案不是技术方案。因而坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年04月23日向复审请求人发出复审通知书，指出：权利要求1-26不符合专利法第2条第2款的规定。其中，权利要求1采用的手段不属于利用了自然规律的技术手段，通过数学运算解决了如何评估模型的问题，不属于技术问题，也没有获得技术效果。因此，权利要求1的解决方案不是技术方案，不符合专利法第２条第２款的规定。基于相似的理由，权利要求2-26也不符合专利法第2条第2款的规定。关于复审请求人的陈述意见，合议组认为：（1）虽然权利要求1在模型的输入参数中包括了风速和/或湍流强度这种与风力发电机组有关的参数，但是该方法获得不确定性结果的过程并未体现与风力发电机组的风速、湍流强度之间的约束和关联，该方法实质上是运用抽象的计算过程得到输入参数与预定区间之间的关系、输出结果的分布结果。运算过程只是通过人为定义的数学运算来得到出模型的不确定性结果，所体现的是人为规定的计算规则和判断方法，而非自然规律，因此，权利要求1并未采用利用了自然规律的技术手段。（2）权利要求1通过预定的运算过程得到模型是否合适的结果，得到该结果的过程并未采用利用了自然规律的技术手段，而权利要求1通过人为定义的数学运算过程解决的问题是如何评估模型的问题，这并不属于技术问题，该运算结果反映了模型是否符合或在多大程度上符合人为定义的规则，也没有获得技术效果。故而，权利要求1的解决方案不是技术方案，不符合专利法第２条第２款的规定。
复审请求人于2019年05月06日提交了意见陈述书，以及修改后的权利要求书，包括权利要求第1-22项。复审请求人认为：（1）“风力发电机组有关的模型”体现了模型的具体应用，该技术领域对具体判断不确定性的方法有限定作用。风速作为输入参数可以被用于统计，统计是一种技术手段，通过分区统计的技术手段进行分析在风电领域是有意义的。在确定风力发电机组相关模型的不确定性的过程中，体现了结果与风速湍流强度的关联。（2）第一不确定性的确定是通过统计的技术手段实现，第二不确定性的确定是通过对模型输出参数的误差分布进行分析来确定，而模型的输出参数的误差分布是受自然规律所约束的，与风速湍流强度密切相关，整体上包括了利用自然规律的技术手段。（3）权利要求1至少解决了如何使风力发电机组有关的模型的不确定度判断更加准确的技术问题，提高模型的输出精度与准确性的有益技术效果，运算结果具体如何反应模型是否符合人为的规定并不在本方案的保护范围内。修改后的权利要求书如下：
“1. 一种估计与风力发电机组有关的模型的不确定性的方法，其特征在于，所述方法包括在所述模型每次被使用时执行以下的估计步骤：
获取所述模型在当前次被使用时接收的输入中的至少一种参数，所述至少一种参数包括风速和/或湍流强度；
确定获取的所述至少一种参数各自所落入的预设区间；
分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；
基于所述总次数确定所述模型的输出的第一不确定性；
获取所述模型在当前次被使用时的输出；
基于所述输出估计所述输出的误差的分布的参数；
基于所述分布的参数得到所述模型的输出的第二不确定性；
其中，所述第二不确定性为第二预定值与所述分布的各个参数的和；
计算所述第一不确定性与所述第二不确定性的乘积作为所述模型的输出的第三不确定性。
2. 根据权利要求1所述的方法，其特征在于，基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。
3. 根据权利要求1或2所述的方法，其特征在于，所述至少一种参数为多种参数，所述估计步骤还包括：根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，
基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：基于所述预定数量的参数所对应的总次数确定所述模型的输出的第一不确定性。
4. 根据权利要求3所述的方法，其特征在于，基于所述总次数确定所述模型的输出的第一不确定性的步骤包括：
当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性；
当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间不同的第二预定预设区间时，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性。
5. 根据权利要求4所述的方法，其特征在于，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性的步骤包括：确定与所述预定参数的类型、与所述预定参数对应的总次数以及所述预定参数所落入的预设区间对应的指示所述模型的输出的不确定性的值；
基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的步骤包括：确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
6. 根据权利要求4所述的方法，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的步骤包括：当与所述多种参数中的任意一种参数对应的总次数不大于所述任意一种参数对应的次数阈值时，确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
7. 根据权利要求6所述的方法，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的步骤还包括：当与每种参数对应的总次数都大于或等于每种参数对应的次数阈值时，将所述模型的输出的第一不确定性的值确定为第一预定值。
8. 根据权利要求7所述的方法，其特征在于，所述第一预定值表示所述模型的输出完全可信赖。
9. 根据权利要求1所述的方法，其特征在于，估计所述误差的分布的参数的步骤包括：基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所述模型在当前次被使用时的输出的误差的分布的参数。
10. 一种校正与风力发电机组有关的模型的输出的方法，其特征在于，所述方法包括：
通过权利要求1所述的方法估计与风力发电机组有关的模型的输出的第一不确定性及第二不确定性，或者通过权利要求9所述的方法估计与风力发电机组有关的模型的输出的第三不确定性；
使用估计的不确定性校正与风力发电机组有关的模型的输出。
11. 根据权利要求10所述的方法，其特征在于，使用估计的不确定性校正与风力发电机组有关的模型的输出的步骤包括：计算估计的不确定性与所 述输出的乘积。
12. 一种估计与风力发电机组有关的模型的不确定性的设备，其特征在于，所述设备在所述模型每次被使用时进行操作以估计所述不确定性，所述设备包括：
输入参数获取单元，获取所述模型在当前次被使用时接收的输入中的至少一种参数，所述至少一种参数包括风速和/或湍流强度；
区间判断单元，确定获取的所述至少一种参数各自所落入的预设区间；
计数单元，分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；
第一估计单元，基于所述总次数确定所述模型的输出的第一不确定性；
输出获取单元，获取所述模型在当前次被使用时的输出；
分布参数估计单元，基于所述输出估计所述输出的误差的分布的参数；
第二估计单元，基于所述分布的参数得到所述模型的输出的第二不确定性；
其中，所述第二不确定性为第二预定值与所述分布的各个参数的和；
第三估计单元，计算所述第一不确定性与所述第二不确定性的乘积作为所述模型的输出的第三不确定性。
13. 根据权利要求12所述的设备，其特征在于，第一估计单元确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。
14. 根据权利要求12或13所述的设备，其特征在于，所述至少一种参数为多种参数，所述设备还包括：选择单元，根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，
第一估计单元基于所述预定数量的参数所对应的总次数确定所述模型的输出的第一不确定性。
15. 根据权利要求14所述的设备，其特征在于，
当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，第一估计单元仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性；
当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间 不同的第二预定预设区间时，第一估计单元基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性。
16. 根据权利要求15所述的设备，其特征在于，仅基于与所述预定参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：确定与所述预定参数的类型、与所述预定参数对应的总次数以及所述预定参数所落入的预设区间对应的指示所述模型的输出的不确定性的值；
基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
17. 根据权利要求15所述的设备，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理包括：当与所述多种参数中的任意一种参数对应的总次数不大于所述任意一种参数对应的次数阈值时，确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。
18. 根据权利要求17所述的设备，其特征在于，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第一不确定性的处理还包括：当与每种参数对应的总次数都大于或等于每种参数对应的次数阈值时，将所述模型的输出的第一不确定性的值确定为第一预定值。
19. 根据权利要求18所述的设备，其特征在于，所述第一预定值表示所述模型的输出完全可信赖。
20. 根据权利要求12所述的设备，其特征在于，分布参数估计单元基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所述模型在当前次被使用时的输出的误差的分布的参数。
21. 一种校正与风力发电机组有关的模型的输出的系统，其特征在于，所述系统包括：
处理器；
存储器，存储有计算机可读代码，当所述计算机可读代码被处理器执行时，执行权利要求1至11中的任意一项所述的方法。
22. 一种其中存储有计算机可读代码的计算机可读存储介质，当所述计 算机可读代码被执行时执行权利要求1至11中的任意一项所述的方法。”
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
审查文本的认定
复审请求人在答复复审通知书时提交了权利要求书的修改替换页，包括权利要求第1-22项。经审查，该修改符合专利法第33条和专利法实施细则第61条第1款的规定。因此，本复审决定所针对的审查文本为：复审请求人于2019年05月06日提交的权利要求第1-22项，以及申请日2017年09月18日提交的说明书第1-120段、说明书附图1-4、说明书摘要、摘要附图。
专利法第2条第2款
专利法第2条第2款规定：发明，是指对产品、方法或者其改进所提出的新的技术方案。
如果一项利要求请求保护的方案既没有采用技术手段，也没有解决技术问题，同时所获得也不是技术效果，则该项权利要求请求保护的方案不属于专利法第2条第2款规定的客体。
（2.1）权利要求1不符合专利法第２条第２款的规定。
权利要求1请求保护一种估计与风力发电机组有关的模型的不确定性的方法，其中涉及在风力发电机组有关模型的输入参数，包括了风速和/或湍流强度，具体方法步骤通过对模型输入参数进行统计等数学运算、对模型的输出进行指定的数学运算得到所规定的不确定性结果，但是该方法获得不确定性结果的过程并未体现与风力发电机组相关的风速、湍流强度之间的关联，其实质上是运用抽象的计算过程得到输入参数与预定区间之间的关系、输出结果的分布结果。因此权利要求1的运算过程只是通过预先定义的计算过程对模型的输入参数和输出结果进行评估，以推测出该模型的不确定性，所体现的是人为规定的计算规则和判断方法，而非自然规律，采用的手段不属于利用了自然规律的技术手段。权利要求１的方案通过数学运算解决了如何评估模型的问题，不属于技术问题，该运算结果反映了模型是否符合或在多大程度上符合人为定义的规则，也没有获得技术效果。因此，权利要求1的解决方案不是技术方案，不符合专利法第２条第２款的规定。
（2.2）权利要求2-11不符合专利法第２条第２款的规定。
权利要求2-11直接或间接引用了权利要求1，其附加特征也不能克服权利要求1存在的缺陷，因此基于与权利要求1相同的理由 ，权利要求2-11的解决方案不是技术方案，不符合专利法第２条第２款的规定。
（2.3）权利要求12不符合专利法第２条第２款的规定。
权利要求12是与权利要求1请求保护的方法相对应的产品权利要求，因此，基于与权利要求1相同的理由，权利要求12的解决方案不是技术方案，不符合专利法第２条第２款的规定。
（2.4）权利要求13-20不符合专利法第２条第２款的规定。
权利要求13-20直接或间接引用了权利要求12，其附加技术特征并没有克服权利要求12所存在的缺陷，因此基于与权利要求12相同的理由，权利要求13-20的解决方案不是技术方案，不符合专利法第２条第２款的规定。
（2.5）权利要求21-22不符合专利法第２条第２款的规定。
权利要求21要求保护一种校正与风力发电机组有关的模型的输出的系统，权利要求22要求保护一种存储有计算机可读代码的计算机可读存储介质，均用于执行权利要求1-11的方法，权利要求21和22并未对现有计算机性能或结构进行改进，其实质上保护的仍是所引用的权利要求1-11执行的方法，因此，基于与权利要求1-11相同的理由 ，权利要求21-22的解决方案也不是技术方案，不符合专利法第２条第２款的规定。
对复审请求人相关意见的评述
复审请求人的陈述意见详见案由部分。
对此，合议组认为：（1）复审请求人强调了风速的分区非常复杂，但是本申请的权利要求以及说明书中均未对风速如何分区做出具体详细的说明，仅限定了“统计所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数，基于总次数确定所述模型的输出的第一不确定性”。该方法实质上是运用抽象的计算过程得到输入参数与预定区间之间的关系、输出结果的分布结果。这种统计手段是一种数学运算并非专利法意义的技术手段。（2）该方法实质上是运用抽象的计算过程得到输入参数与预定区间之间的关系、输出结果的分布结果。运算过程只是通过人为定义的数学运算来得到出模型的不确定性结果，所体现的是人为规定的计算规则和判断方法，而非自然规律，因此，权利要求1并未采用利用了自然规律的技术手段。（3）权利要求1通过预定的运算过程得到模型是否合适的结果，得到该结果的过程并未采用利用了自然规律的技术手段，而权利要求1通过人为定义的数学运算过程解决的问题是如何评估模型的问题，这并不属于技术问题，该运算结果反映了模型是否符合或在多大程度上符合预先设定的人为定义规则，获得的并非技术效果。
综上所述，复审请求人的陈述意见不具备说服力。
根据上述事实和理由，合议组依法作出以下审查决定。
三、决定
维持国家知识产权局于2018年11月08日对本申请作出的驳回决定。
如对本复审决定不服，根据专利法第41条第2款的规定，复审请求人可自收到本复审决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
