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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于多智能体强化学习的多微电网分布式控制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：CN120110023B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510590882.X，技术领域涉及：H02J13/00；该发明授权基于多智能体强化学习的多微电网分布式控制方法及装置是由史志超;孙云鹏;张涛;刘亚杰;王锐;黄生俊;李凯文设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本基于多智能体强化学习的多微电网分布式控制方法及装置在说明书摘要公布了：本申请涉及一种基于多智能体强化学习的多微电网分布式控制方法及装置。所述方法包括：对电力网络系统进行建模，将多微电网形成过程建模为分布式的部分可观测马尔科夫决策过程；根据部分可观测马尔科夫决策过程部署多智能体强化学习算法，由各个智能体分别与电力网络系统进行环境交互采样信息后存储进各自的经验重放池中；基于DQN算法，各个智能体通过采样经验重放池中的经验样本并根据动作掩码技术和经验筛选技术训练自身对应的策略网络学习最优行为；利用训练好的策略网络模型分别控制电力系统各区域开关动作形成微电网，恢复负载供电。采用本方法能够有效提升电力系统的韧性，实现多微电网的快速形成与恢复。

本发明授权基于多智能体强化学习的多微电网分布式控制方法及装置在权利要求书中公布了：1.一种基于多智能体强化学习的多微电网分布式控制方法，其特征在于，所述方法包括： 对电力网络系统进行建模，将多微电网形成过程建模为分布式的部分可观测马尔科夫决策过程； 根据所述部分可观测马尔科夫决策过程部署多智能体强化学习算法，由各个智能体分别与电力网络系统通过仅连接机制和自组织网络机制进行环境交互采样信息后存储进各自的经验重放池中；基于DQN算法，各个智能体通过采样经验重放池中的经验样本并根据动作掩码技术和经验筛选技术训练自身对应的策略网络学习最优行为；所述仅连接机制表示智能体选择一个负载开关转为连接状态，而已经连接的开关不允许再次转换为断开状态；所述自组织网络机制表示当一个负载转换为连接状态后通过图搜索方法找到负载所在节点与分布式发电机所在节点之间的全部线路，并切换为连接状态；所述动作掩码技术表示将Q网络输出动作价值分布，点乘以一个由0和1组成的掩码序列，掩码序列长度等于Q网络输出动作数量，其中，令掩码中需要舍弃的动作位置设为0，需要保留的动作位置设为1；所述经验筛选机制表示控制智能体的经验池中的正收益样本和负收益样本的比例为1:1，当经验池中的正收益样本数量大于负收益样本数量时，只允许负收益样本进入经验池；当负收益样本数量大于正收益样本数量时，只允许正收益样本进入经验池； 利用训练好的策略网络模型分别控制电力系统各区域开关动作形成微电网，恢复负载供电。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。