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！

龙图腾网获悉合肥工业大学;国网安徽省电力有限公司申请的专利基于知识矩阵跨维度迁移的电网调度快速优化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：CN114626670B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202210089720.4，技术领域涉及：G06Q10/0631；该发明授权基于知识矩阵跨维度迁移的电网调度快速优化方法是由杨晨芳;唐昊;史明光;王正风;吕凯;梁肖;李有亮设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。

本基于知识矩阵跨维度迁移的电网调度快速优化方法在说明书摘要公布了：本发明属于电力系统技术领域，更具体地，涉及一种基于知识矩阵跨维度迁移的电网调度快速优化方法。首先构建不含弹性资源的源电网系统和包含弹性资源的目标电网系统，并对典型日在源电网系统中进行预学习，得到优化后的知识矩阵作为电网调度的历史知识并构成源任务知识库；然后以净负荷为相似性衡量特征得到与目标任务距离最小的源任务，构建该源任务与目标任务间相似状态、动作的索引矩阵；最后按照索引矩阵将该源任务的调度知识迁移至目标任务，加快目标任务的优化求解。本发明基于强化学习提出一种知识矩阵跨维度迁移方法，解决了状态动作空间维度不同时调度知识不能直接迁移的问题，有效地加快了算法的优化求解速度。

本发明授权基于知识矩阵跨维度迁移的电网调度快速优化方法在权利要求书中公布了：1.基于知识矩阵跨维度迁移的电网调度快速优化方法，其特征在于，该方法包括如下步骤， 步骤1、首先构建不含弹性资源的源电网系统调度优化模型，分别将多组历史典型风光荷数据在不考虑弹性资源的源电网系统中应用Q学习算法进行预学习，得到各个典型日学习优化后的Q矩阵作为电网调度的历史知识矩阵并构成源任务库； 步骤2、弹性资源包括深度调峰机组和可削减负荷，建立深度调峰模型和可削减负荷响应模型，从而构建考虑弹性资源的目标电网系统调度优化模型； 步骤3、在日前调度阶段，获取电网系统未来一天各时段的负荷需求、风电出力和光伏出力数据作为目标任务； 步骤4、度量源任务与目标任务的相似性，利用负荷、风电和光伏的预测数据计算调度日的净负荷预测曲线，选取净负荷为任务间的相似性关联特征，基于欧氏距离与DTW距离综合度量目标任务净负荷与源任务库中各典型日净负荷的相似性，在源任务库中找出与目标任务距离最小的源任务； 步骤5、将与目标任务距离最小的源任务的Q矩阵以及目标任务的Q矩阵分别分解为状态空间特征矩阵和动作空间特征矩阵，基于PCA降维和欧氏距离找出与目标任务中状态、动作距离最小的该源任务中的状态、动作，即构建源任务与目标任务中相似状态、动作间的映射关系； 步骤6、将与目标任务距离最小的源任务的Q矩阵按照映射关系对目标任务的Q矩阵进行初始化来完成调度知识迁移，在此基础之上对目标任务采用Q学习算法再进行优化求解，最后得到目标任务调度日的最优调度计划，有效提升了目标任务的学习效率； 所述深度调峰模型和可削减负荷响应模型如下， 深度调峰模型： 深度调峰根据火电机组降出力调峰程度可分为不投油深度调峰和投油深度调峰，火电机组在不同的调峰阶段，其运行成本可分段表示为： 1 其中，为火电机组出力功率，、、分别为火电机组的煤耗成本、寿命损耗成本和附加投油成本，、为火电机组最小技术出力和最大技术出力；为火电机组不投油深度调峰稳燃负荷值；为火电机组投油深度调峰稳燃极限负荷值，当系统要求火电机组调峰出力低于时，需投油助燃； 可削减负荷响应模型： 通过给予用户激励补偿的方式，挖掘负荷侧响应的弹性可调空间，时刻削减负荷量与激励补偿价格的函数关系可近似表示为： 2 假设从时刻运行至，可削减负荷削减量的补偿成本可表示为： 3 其中，为削减负荷最大弹性可调量，、分别为最小激励补偿价格和最大激励补偿价格，分别为关系曲线参数。

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合肥工业大学;国网安徽省电力有限公司，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。

以上内容由龙图腾AI智能生成。