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！

龙图腾网恭喜昆明自动化成套集团股份有限公司申请的专利基于深度学习的微电网无功优化方法及系统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：CN119787386B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510266962.X，技术领域涉及：H02J3/18；该发明授权基于深度学习的微电网无功优化方法及系统是由王升星;杨美贵;徐应发;王国龙;杨洪鑫设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本基于深度学习的微电网无功优化方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的微电网无功优化方法及系统，通过引入积极无功配置监督数据与消极无功配置监督数据的对比学习机制，考虑了每个样例学习数据的直接训练效益，还引入了循环训练强化效益的评估，通过比较模型在不同训练分组间的预测能力提升，有效避免了模型过拟合，并促进了模型泛化能力的增强。特别是，通过设定第一循环拟合优度值和第二循环拟合优度值的不同融合系数，本发明进一步优化了模型对积极与消极无功配置的学习权重，使得生成的目标微电网无功优化模型能更准确地反映微电网运行的实际需求，提高了无功优化的精确度和效率。最终，该方法能够针对任意给定的目标微电网运行数据，快速生成高效的无功优化配置决策。

本发明授权基于深度学习的微电网无功优化方法及系统在权利要求书中公布了：1.一种基于深度学习的微电网无功优化方法，其特征在于，所述方法包括：获取候选微电网无功优化模型、以及包含多个样例学习数据的训练数据序列；所述样例学习数据包含样例微电网运行数据、所述样例微电网运行数据的消极无功配置监督数据以及所述样例微电网运行数据的积极无功配置监督数据，其中，所述消极无功配置监督数据的确定步骤包括：将样例微电网运行数据作为需求指标数据加载到预先训练的深度学习网络中，所述深度学习网络根据输入的微电网运行数据，按照其预先学习到的规则和算法，输出无功配置方案，作为消极无功配置监督数据；以及，根据针对所述消极无功配置监督数据生成的专家优化指令，对所述消极无功配置监督数据进行优化，得到所述积极无功配置监督数据；对于所述训练数据序列中的每个样例学习数据，在目标训练阶段依据所述样例学习数据进行模型参数学习时，确定所述样例学习数据中积极无功配置监督数据相较于消极无功配置监督数据的目标训练强化效益；确定所述样例学习数据对应的更新微电网无功优化模型生成积极无功配置监督数据的第一循环拟合优度值、以及所述样例学习数据对应的更新微电网无功优化模型生成消极无功配置监督数据的第二循环拟合优度值；所述样例学习数据对应的更新微电网无功优化模型，依据所述样例学习数据所对应的样例训练分组的前一样例训练分组进行模型参数学习生成；在首个模型参数学习的过程中，首个样例训练分组的深度学习目标为所述候选微电网无功优化模型，所述第一循环拟合优度值与所述第二循环拟合优度值是根据预测值和实际值之间的差异来计算的；对所述第一循环拟合优度值和所述第二循环拟合优度值进行融合计算，确定所述样例学习数据的循环训练强化效益，并在依据每个所述样例学习数据分别对应的循环训练强化效益和目标训练强化效益，确定所述目标训练阶段的训练误差不再继续下降时，终止模型参数学习，生成所述候选微电网无功优化模型对应的目标微电网无功优化模型；所述第一循环拟合优度值的融合系数小于所述第二循环拟合优度值的融合系数，其中，所述循环训练强化效益通过公式计算：循环训练强化效益=α*F1+β*F2，其中，F1为第一循环拟合优度值，F2为第二循环拟合优度值为F2，α和β分别为所述第一循环拟合优度值和所述第二循环拟合优度值的融合系数，αβ且α+β=1；获取待分析的目标微电网运行数据，将所述目标微电网运行数据加载到所述目标微电网无功优化模型，生成所述目标微电网运行数据的无功优化配置决策数据。

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昆明自动化成套集团股份有限公司，其通讯地址为：650051 云南省昆明市盘龙区白塔路131号汇都国际B座七楼732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”。