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！

龙图腾网获悉南京理工大学;山东大学申请的专利一种基于深度学习的风电调频逐步惯性控制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：CN114696340B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210130049.3，技术领域涉及：H02J3/24；该发明授权一种基于深度学习的风电调频逐步惯性控制方法是由周涛;王亚伦;权浩;李常刚设计研发完成，并于2022-02-11向国家知识产权局提交的专利申请。

本一种基于深度学习的风电调频逐步惯性控制方法在说明书摘要公布了：本发明公开了一种基于深度学习的风电调频逐步惯性控制方法，该方法主要包含以下三个步骤：1）在时域仿真中使用金鹰优化算法获得最优风电调频逐步惯性控制参数并生成数据集；2）基于堆叠式降噪自动编码器对数据集进行特征提取；3）基于深度神经网络学习数据特征生成最优风电调频逐步惯性控制方案。本发明能够当电力系统中出现功率不平衡时，快速、准确地提供当前系统下的最优风电调频逐步惯性控制方案；能够促使风电场主动为电力系统提供功率支撑，有效地参与电力系统频率控制，及时抑制系统频率跌落，有利于补偿系统惯性，有效提高风电调频的质量与效率，为电力系统规划和决策工作提供重要方案，对电力系统运行的安全性、稳定性有着重大意义。

本发明授权一种基于深度学习的风电调频逐步惯性控制方法在权利要求书中公布了：1.一种基于深度学习的风电调频逐步惯性控制方法，其特征在于，包括以下三个步骤： 步骤1、在时域仿真中使用金鹰优化算法获得最优风电调频逐步惯性控制参数并生成数据集； 步骤2、基于堆叠式降噪自动编码器对数据集进行特征提取； 步骤3、基于深度神经网络学习数据特征生成最优风电调频逐步惯性控制方案； 所述步骤1的基本步骤如下： 步骤1.1、初始化金鹰数量； 步骤1.2、计算适应度函数，初始化群体记忆； 步骤1.3、初始化金鹰的攻击系数pa和巡航系数pc； 步骤1.4、计算式10，更新pa、pc； 步骤1.5、计算式2，从种群的记忆计算攻击向量中随机选择猎物； 步骤1.6、计算巡航向量式3-6，计算步长向量式7-9更新位置式9评估新位置的适应度函数； 步骤1.7、更新最优解及最优位置； 步骤1.8、判断是否满足最大迭代次数，若满足，则输出最优金鹰位置和全局最优解，否则，返回步骤1.4重新迭代计算； 上述步骤中公式2-10定义为： 式中：为第i只金鹰的攻击向量；为金鹰f目前所到达的最佳地点猎物；为第i只金鹰的当前位置； 式中：H＝[h1,h2,…,hn]为法向量；X＝[x1,x2,…,xn]为变量向量；P＝[p1,p2,…,pn]为超平面上的任意点； 式中：A＝[a1,a2,…,an]为攻击向量；X＝[x1,x2,…,xn]为决策设计变量向量；为被选中的猎物的位置； 式中：ck为目标点C的第k个元素；aj为攻击向量的第j个元素；k为固定变量的编号； 式中：pa为攻击系数；pc为巡航系数；为[0,1]内的随机向量；因此，通过将迭代t中的步进向量与迭代t中的位置相加，即可计算出迭代t+1中金雕的位置： 式中：xt+1为金鹰的第t+1次的位置；xt为金鹰的第t次的位置；为金鹰的移动的步长大小； 式中：t表示当前迭代；T表示最大迭代；和为攻击倾向pa的初始值和终止值；和为巡航倾向pc的初始值和终止值； 所述步骤2中的基本步骤如下： 步骤2.1、对在时域仿真中使用金鹰优化算法获得的数据集进行归一化处理； 步骤2.2、划分训练集与验证集，将80％的原始数据作为训练集，剩下的20％作为测试数据，生成训练和测试数据； 步骤2.3、构建一个堆叠式降噪自动编码器模型，选择隐含层层数及神经元个数； 步骤2.4、逐层贪婪无监督预训练，以添加噪声后的数据作为输入数据，并采用dropout技术，随机选取部分神经元暂时不工作； 步骤2.5、有监督细化训练，对网络的权重和偏置进行微调，直到迭代次数达到设定值。

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南京理工大学;山东大学，其通讯地址为：210094 江苏省南京市武区孝陵卫200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”。