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！

龍圖騰網獲悉東北電力大學申請的專利基于深度強化學習的配電網多尺度優化調度方法及系統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：CN120373805B 。

龍圖騰網通過國家知識產權局官網在2025-08-22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：202510857711.9，技術領域涉及：G06Q10/0631；該發明授權基于深度強化學習的配電網多尺度優化調度方法及系統是由王鶴;葉春賀;于華楠;邊競;李石強;郭家治;李國慶;王振浩;辛業春;王朝斌設計研發完成，并于2025-06-25向國家知識產權局提交的專利申請。

本基于深度強化學習的配電網多尺度優化調度方法及系統在說明書摘要公布了：本發明涉及電力系統技術領域，尤其涉及一種基于深度強化學習的配電網多尺度優化調度方法及系統，包括利用概率盒理論對調度日源荷預測誤差概率分布建模，得到凈負荷不確定性區間；基于多時間尺度調度層級，采用多智能體深度強化學習算法構建基于集中訓練分散執行架構的電網優化調度模型；以日前總運行成本最小為優化目標，根據凈負荷不確定性區間，通過電網優化調度模型求解得到日前調度策略；基于日前調度策略進行多尺度滾動優化，得到多尺度全周期協同調度策略。本發明通過綜合利用概率盒理論建模、多時間尺度層級劃分以及多智能體深度強化學習算法，實現配電網在日前、日內和實時調度中的靈活性資源優化配置，增強對源荷不確定性的適應能力。

本發明授權基于深度強化學習的配電網多尺度優化調度方法及系統在權利要求書中公布了：1.一種基于深度強化學習的配電網多尺度優化調度方法，其特征在于，包括以下步驟： 根據源荷調度日預測數據和實際源荷數據，利用概率盒理論對調度日源荷預測誤差概率分布進行建模，得到凈負荷不確定性區間； 根據配電網設備響應特性對配電網調度周期進行多時間尺度層級劃分，得到多時間尺度調度層級； 基于所述多時間尺度調度層級和配電網分區信息，采用多智能體深度強化學習算法構建基于集中訓練分散執行架構的電網優化調度模型；所述電網優化調度模型包括日前集中式優化調度模型、日內分布式滾動優化調度模型和實時優化調度模型； 以日前總運行成本最小為優化目標，根據所述凈負荷不確定性區間和預先獲取的自調節溫度系數，通過所述電網優化調度模型求解得到日前調度策略； 基于所述日前調度策略，利用配電網設備實時運行狀態和超短期預測偏差數據進行多尺度滾動優化，通過迭代優化得到多尺度全周期協同調度策略； 其中，所述基于所述多時間尺度調度層級和配電網分區信息，采用多智能體深度強化學習算法構建基于集中訓練分散執行架構的電網優化調度模型的步驟包括： 根據配電網地理結構和配電網設備分布信息將配電網劃分為多個自治區域，并為每個自治區域部署區域智能體，每個區域智能體具有獨立的演員網絡和評論家網絡； 定義區域智能體在不同時間尺度調度層級下的狀態空間和動作空間，基于集中訓練分散執行架構為每個區域智能體建立初始優化調度模型； 在集中訓練階段，隨機初始化各區域智能體的演員網絡參數和評論家網絡參數； 在訓練過程中，將區域智能體與環境交互產生的狀態信息、動作信息和獎勵信息存儲在重放緩沖區中，并在每次更新演員網絡參數和評論家網絡參數時，從重放緩沖區中隨機采樣批次數據，形成訓練數據集； 根據所述訓練數據集，通過最小化軟貝爾曼殘差更新評論家網絡參數，得到最優動作價值估計； 基于演員網絡輸出的動作選擇概率分布計算動作熵，并根據預先獲取的不確定性量化參數和動作熵，計算自調節溫度系數； 根據所述最優動作價值估計和所述自調節溫度系數，通過梯度反向傳播更新區域智能體的演員網絡參數，得到全局協同策略參數； 在分散執行階段，根據各區域智能體的實時局部觀測狀態，利用更新后的演員網絡參數生成分區獨立動作指令； 根據所述全局協同策略參數和獨立動作指令對所述初始優化調度模型在多時間尺度下進行迭代優化，得到電網優化調度模型。

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東北電力大學，其通訊地址為：132012 吉林省吉林市船營區長春路169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”。