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！

龙图腾网获悉清华大学;中国电力科学研究院有限公司;国家电网有限公司;国网安徽省电力有限公司电力科学研究院申请的专利基于深度强化学习的电力系统源-荷前瞻调度方法及装置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：CN113902176B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202111112177.7，技术领域涉及：G06Q10/04；该发明授权基于深度强化学习的电力系统源-荷前瞻调度方法及装置是由虞泽宽;张广伦;肖彤;王心月;钟海旺;夏清;康重庆设计研发完成，并于2021-09-18向国家知识产权局提交的专利申请。

本基于深度强化学习的电力系统源-荷前瞻调度方法及装置在说明书摘要公布了：本申请提出一种基于深度强化学习的电力系统源‑荷前瞻调度方法和装置，其中，方法包括：获取电力系统经济运行基础数据，根据电力系统经济运行基础数据构建电力系统源‑荷前瞻调度模型，以构建含需求侧响应的电力系统前瞻调度模型；基于电力系统前瞻调度模型，设计状态空间、动作空间和奖励函数，以设计电力系统经济调度问题的时序决策机制；根据时序决策机制，将深度强化学习算法应用于电力系统前瞻调度模型，并对深度强化学习算法进行改进与应用，得到基于深度强化学习的前瞻调度策略。本发明为供需充分互动、大量主体参与、不确定性提升的智能电网经济优化调度提供了解决方案，提升电力系统调度的决策速度、可靠性、自动化与智能化水平。

本发明授权基于深度强化学习的电力系统源-荷前瞻调度方法及装置在权利要求书中公布了：1.一种基于深度强化学习的电力系统源-荷前瞻调度方法，其特征在于，所述方法包括以下步骤： 获取电力系统经济运行基础数据，根据所述电力系统经济运行基础数据构建电力系统源-荷前瞻调度模型，以构建含需求侧响应的电力系统前瞻调度模型；以及， 基于所述电力系统前瞻调度模型，设计状态空间、动作空间和奖励函数，以设计电力系统经济调度问题的时序决策机制； 根据所述时序决策机制，将深度强化学习算法应用于所述电力系统前瞻调度模型，并对所述深度强化学习算法进行改进与应用，得到基于深度强化学习的前瞻调度策略； 所述电力系统经济运行基础数据，包括： 机组出力上下限、机组爬坡增减速率上下限、机组成本函数、需求侧响应负荷上限和需求侧响应价格函数； 所述根据所述电力系统经济运行基础数据构建电力系统源-荷前瞻调度模型，包括： 1建立电力系统运行约束条件，表达式如下： 其中1为系统功率平衡约束；式中为发电机组i在时段t的出力，Ng为可调度机组的数目；是电网中母线j在时段t的负荷，Nb为电网中母线的数量；为需求侧响应主体k在时段t削减的负荷，Ndr为需求侧响应主体总数； 式2为发电机组出力约束；式中为发电机组i的出力上下限； 式3为各机组的增、减出力速率约束；式中分别为机组i在相邻时段增加、减少出力上限；式中Δt为单位时间间隔； 式4为各需求侧响应主体削减负荷约束；式中αdr,i为需求侧响应主体i的最大负荷削减比率，Bi表示需求侧响应主体i所在的系统母线编号，为其在t时刻的最大负荷削减量； 上述四项约束中，时刻t均代表前瞻窗口0,1,…,T-1的任意时刻； 2确定电力系统经济调度目标函数，表达式如下： 其中5为目标函数，即前瞻窗口内总运行成本最小，包含发电机组运行总成本6与需求侧响应总成本7； 式6为发电机组运行总成本，由各个发电机的成本函数8求和而得；式8为各个发电机的成本函数，采用二次函数的形式，ag,i、bg,i与cg,i为其系数； 式7为需求侧响应总成本，由各个需求侧响应主体的成本函数9求和而得；式9为各个需求侧响应主体的成本函数，采用Ki+1段的分段函数形式，为各段斜率，为各段截距，为分段点； 所述设计状态空间，表达式如下： 其中10为状态向量定义，状态量包含上一时刻发电机组出力11、前瞻窗口内母线负荷12与当前时刻t15； 式11为t时刻发电机组出力状态向量，包含所有Ng台发电机的出力状态值13； 式12为t时刻母线负荷状态向量，包含所有Nb条母线的负荷状态值14； 式13、式14与式15均使用以下归一化函数将有名值按照对应的上下界归一化： 其中x为有名值，为归一化结果，L为x的下界，U为上界； 式14中，与为母线j在整个训练时段0,1,…,Ttrain-1中负荷的最大值与最小值，所述与所述的上下限仅与训练时刻的负荷状况有关，测试与应用时仍需使用所述与所述的上下限值；式15中Ttrain为总训练时长； 设计动作空间，表达式如下 其中17为动作向量定义，动作量包含前瞻窗口内所有时刻的发电机组出力18与需求侧响应削减负荷19； 式18为t时刻发电机组出力动作向量，包含除平衡机组外所有Ng-1台发电机的出力动作值20，平衡机组的出力根据系统功率平衡约束1计算得到； 式19为t时刻需求侧响应主体削减负荷动作向量，包含所有Ndr个主体的负荷削减动作值21； 式20与式21均使用式16的归一化函数将有名值按照对应的上下界归一化； 设计奖励函数，表达式如下： Rt＝1-IMt,Mt+1,…,Mt+T-1R25 其中22为奖励函数定义，包含最小化前瞻窗口内总运行成本23、罚项24与奖励项25； 式23为t时刻系统运行成本，包含发电机组运行成本与需求侧响应成本； 式24为罚项，其中Mg与Mr为机组出力约束2与爬坡约束3的惩罚系数，与由式26与式27定义，分别为机组出力约束与爬坡约束的越界值； 式25为奖励项，其中I·为逻辑函数：若Mt,Mt+1,…,Mt+T-1均为0，即前瞻窗口内所有时刻均无越限情况，则I＝0，Rt＝R为一正奖励值；若前瞻窗口内存在越限情况，则I＝1，Rt＝0无奖励。

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清华大学;中国电力科学研究院有限公司;国家电网有限公司;国网安徽省电力有限公司电力科学研究院，其通讯地址为：100084 北京市海淀区清华园；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。