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！

龙图腾网获悉国电电力发展股份有限公司;国电电力发展股份有限公司和禹水电开发公司申请的专利一种基于深度学习的电力系统一次调频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：CN120896185B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511056074.1，技术领域涉及：H02J3/11；该发明授权一种基于深度学习的电力系统一次调频优化方法是由白洪亮;王凤利;邢刚;张传富;李霞;李锡峰;刘洋;宋卓吏;刘海晨;孙英赫设计研发完成，并于2025-07-30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电力系统一次调频优化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电力系统一次调频优化方法，涉及电力优化技术领域。本发明包括如下步骤：采集水电机组在电网中运行的状态数据，构建三维特征张量并通过TCN‑GRU混合网络提取时空特征；构建深度强化学习决策层，定义动作空间以及奖励函数；构建具有时变遗忘因子的PID神经元网络，输出动态权重；建立双时间尺度更新机制；设置安全校验模块，当系统频率偏差量大于阈值时，切换至传统PID模式。本发明通过水电机组在电网中运行的状态数据中提取特征，通过深度学习处理特征的时间序列依赖关系，捕捉电网频率变化趋势，应用DRL技术探索最优控制策略，在动态环境中调整PID控制器参数，实现自适应控制在提升水电机组在电网频率波动时的一次调频响应速度和控制精度。

本发明授权一种基于深度学习的电力系统一次调频优化方法在权利要求书中公布了：1.一种基于深度学习的电力系统一次调频优化方法，其特征在于，包括如下步骤： 步骤S01：采集水电机组在电网中运行的状态数据，构建三维特征张量并通过TCN-GRU混合网络提取时空特征； 步骤S02：构建深度强化学习决策层，定义动作空间以及奖励函数； 所述步骤S02中，深度强化学习决策层采用双延迟DDPG算法框架；其中，状态空间包括归一化的频率偏差历史序列、机组调节容量裕度和区域ACE指标；将机组调节容量裕度和区域ACE指标拼接为2维向量，与频率偏差历史序列共同构成62维状态空间；动作空间定义为PID参数修正量； 奖励函数定义为； 式中，为频率稳定性项；为机组裕度项，为控制代价项；通过动态调整权重平衡不同控制目标； 步骤S03：构建具有时变遗忘因子的PID神经元网络，输出动态权重； 所述步骤S03中，构建具有时变遗忘因子的PID神经元网络包括输入层、隐层和输出层； 所述输入层输入节点包括当前时刻误差、误差变化率和上一时刻控制量；对输入数据进行归一化处理； 所述隐层采用三层全连接架构；其中，第一隐层通过三个神经元接收输入，使用LeakyReLU激活，第二隐层通过五个神经元，使用LeakyReLU激活，第三隐层通过三个神经元作为输出前过渡层； 所述输出层输出三个时变参数，使用Sigmoid函数约束输出范围，引入遗忘因子； 所述步骤S03中，动态权重输出后通过DRL决策结果对网络权重进行周期性微调；所述微调时，构建包含最近15秒控制误差、权重敏感度特征的状态空间，采用PPO算法生成带约束的权重调整向量；随后通过Lyapunov指数验证模块确保稳定性，采用动量加速的增量更新策略注入主网络，同时经验回放池实施优先级采样优化学习效率； 步骤S04：建立双时间尺度更新机制； 所述步骤S04中，双时间尺度更新机制包括快周期和慢周期； 当更新机制采用快周期时，同步获取传感器误差、变化率以及执行器反馈，利用PIDNN前向计算输出动态权重，结合遗忘因子生成控制量； 当更新机制采用慢周期时，先进行性能评估，聚合3000个控制周期的指标，构建DRL状态向量，DRL智能体输出策略梯度，异步更新PIDNN隐藏层权重，并验证更新后模型在仿真环境的稳定性； 步骤S05：设置安全校验模块，当系统频率偏差量大于阈值时，切换至传统PID模式。

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国电电力发展股份有限公司;国电电力发展股份有限公司和禹水电开发公司，其通讯地址为：116000 辽宁省大连市大连经济技术开发区钢铁路90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。