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！

龙图腾网获悉弘奎(西安)智能科技有限公司申请的专利一种基于强化学习的电力负荷动态优化预测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：CN121332496B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511884842.2，技术领域涉及：H02J3/00；该发明授权一种基于强化学习的电力负荷动态优化预测方法是由王保强;秦鹏;贺伟;蒲哲设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种基于强化学习的电力负荷动态优化预测方法在说明书摘要公布了：本发明涉及电力负荷技术领域，具体为一种基于强化学习的电力负荷动态优化预测方法，采集节点实时电压频率功率，追踪相邻节点频率差异方向变化，标记反向扰动生成分布图，据此识别频繁扰动区，聚类波动趋势一致的节点群以确立目标区，监测功率波动反转锁定能量转向节点，构建预测输入集，对比预测与实际趋势提取偏离区间，调整强化学习模型步幅与速率，更新决策并整顺曲线，输出电力负荷动态预测曲线。本发明，通过多层关联分析实现扰动时空动态识别，频率功率联合标定提升判定精度，节点聚类反映负荷路径一致性与区域延伸，能量节点识别强化功率传递追踪，偏移监测构建反馈闭环，提升曲线连续性与响应速率，多扰动下预测稳定收敛与趋势一致。

本发明授权一种基于强化学习的电力负荷动态优化预测方法在权利要求书中公布了：1.一种基于强化学习的电力负荷动态优化预测方法，其特征在于，包括以下步骤： S1：获取出线端、开关及分支监测点的电压、频率和功率数据，识别相邻监测节点频率方向变化，将同向变反向标记为扰动事件，归类并排序形成节点事件序列，建立对应表，生成负荷扰动分布图； S2：根据所述负荷扰动分布图中的扰动事件数量及密集度，提取端点、用电侧与分段节点为分析节点，分析频率与电压波动方向一致性，形成趋同节点群并整合为可识别目标区，按波动集中度确定优先级，生成扰动聚焦节点表； S3：基于所述扰动聚焦节点表中趋同节点的标识信息，调用区域输入与输出功率数据，比对波动方向确定能量交替区段，判定功率转向且频率电压随之反向的节点为能量转向节点，生成负荷预测输入集； S4：调用所述负荷预测输入集中的转向节点特征与时序功率，形成目标区负荷预测序列，对比实际负荷变化趋势，若偏离超过设定阈值，并持续出现则标记为预测偏移区间，生成预测偏移区间序列； S5：根据所述预测偏移区间序列中各预测偏移区间的持续时长、偏移幅度及出现频率特征，调整强化学习模型参数，将当前负荷阶段状态与能量转向节点行为记录导入强化学习过程，更新模型决策生成新的负荷趋势曲线，对连续时间内的趋势变化形态进行整顺处理，得到电力负荷动态预测曲线； 所述电力负荷动态预测曲线的获取步骤为： S501：根据所述预测偏移区间序列中各预测偏移区间的持续时长、偏移幅度及出现频率特征，计算各区间三项指标的加权比值，依据偏移幅度基准值判断波动强度状态，并对持续时长与出现频率进行区段归一化处理，综合三项指标的运算结果调整动作更新步幅与学习速率参数，生成参数调整矩阵； S502：基于所述参数调整矩阵，调用当前负荷阶段状态信息，以及与预测偏移区间相关的可识别目标区内分析节点和能量转向节点的行为记录，将节点功率、频率与电压变化序列进行归类匹配，并根据参数矩阵调整对应权重，更新节点行为权重比例，得到行为特征权重集； S503：依据所述行为特征权重集，对连续时间内的功率变化序列进行趋势整顺处理，计算每个时间段功率波动的方向延展程度与稳定区间跨度，按照时间顺序重新连接趋势段落形成完整曲线，记录连续变化形态的趋势数据，生成电力负荷动态预测曲线； 所述负荷扰动分布图包括节点扰动密度分布、时间区间分布特征和扰动强度分级信息，所述扰动聚焦节点表包括目标区域优先级信息、节点聚类关系及波动趋势特征参数，所述负荷预测输入集包括功率特征参数集、能量转向特征信息和时序变化数据，所述预测偏移区间序列包括偏移持续特性、偏移幅值分布和偏移发生频率数据，所述电力负荷动态预测曲线包括负荷变化趋势特征、预测精度评价信息和动态负荷时序记录； 所述识别相邻监测节点频率方向变化，将同向变反向标记为扰动事件具体为：获取频率差值变化率，设定频率波动判定阈值，所述频率波动判定阈值依据电网正常运行时频率波动的标准差设定，将所述频率差值变化率与所述频率波动判定阈值进行比较，并相对应的赋予状态标识，若所述频率差值变化率大于所述频率波动判定阈值，则判定频率呈上升趋势，状态标识为正数，若所述频率差值变化率小于负的频率波动判定阈值，则判定频率呈下降趋势，状态标识为负数，若所述频率差值变化率的绝对值小于等于所述频率波动判定阈值，则判定频率保持平稳，状态标识为零，对每一监测节点的所有采样时刻重复此过程，生成频率方向映射表； 根据配电线路拓扑关系，读取所述频率方向映射表中的数据，后将每个时刻的其中一个监测节点的状态标识与其连接监测节点的状态标识进行相乘得到频率变化方向，比较连续两个时刻的频率变化方向，若频率变化方向为负数，表示两个监测节点的频率变化方向差异不一致，即同向变反向，反之为反向，此时标记时刻为反向状态，若两个监测节点的频率变化方向由同向变为反向，判定为方向突变，并记录时刻及涉及的监测节点ID，标记为扰动事件； 所述趋同节点群具体为：判断各所述分析节点间频率变化方向趋于一致的子区段，将每个子区段内具有相同变化趋势的分析节点集合标识为趋同节点群； 所述能量转向节点具体为：在所述能量交替区段内，对输入与输出功率波动方向发生改变且对应频率、电压变化方向随之反向的节点判定为能量转向节点； 所述调整强化学习模型参数具体为：构建综合影响指标采用公式： ； 其中，为波动强度系数，为持续时间归一化指标，为出现频率归一化指标，为综合影响指标，、和均为权重系数； 针对强化学习模型，调取当前的学习速率参数和动作更新步幅，依据综合影响指标对参数进行动态修正； 所述整顺处理具体为：引入贝塞尔曲线插值算法，在连接点前后各增加三个过渡点，重新计算过渡点的功率值以实现平滑过渡。

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弘奎(西安)智能科技有限公司，其通讯地址为：710076 陕西省西安市雁塔区太白南路375号99栋；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。