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！

龙图腾网获悉东北电力大学申请的专利基于深度强化学习的配电网多尺度优化调度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：CN120373805B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510857711.9，技术领域涉及：G06Q10/0631；该发明授权基于深度强化学习的配电网多尺度优化调度方法及系统是由王鹤;叶春贺;于华楠;边竞;李石强;郭家治;李国庆;王振浩;辛业春;王朝斌设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本基于深度强化学习的配电网多尺度优化调度方法及系统在说明书摘要公布了：本发明涉及电力系统技术领域，尤其涉及一种基于深度强化学习的配电网多尺度优化调度方法及系统，包括利用概率盒理论对调度日源荷预测误差概率分布建模，得到净负荷不确定性区间；基于多时间尺度调度层级，采用多智能体深度强化学习算法构建基于集中训练分散执行架构的电网优化调度模型；以日前总运行成本最小为优化目标，根据净负荷不确定性区间，通过电网优化调度模型求解得到日前调度策略；基于日前调度策略进行多尺度滚动优化，得到多尺度全周期协同调度策略。本发明通过综合利用概率盒理论建模、多时间尺度层级划分以及多智能体深度强化学习算法，实现配电网在日前、日内和实时调度中的灵活性资源优化配置，增强对源荷不确定性的适应能力。

本发明授权基于深度强化学习的配电网多尺度优化调度方法及系统在权利要求书中公布了：1.一种基于深度强化学习的配电网多尺度优化调度方法，其特征在于，包括以下步骤： 根据源荷调度日预测数据和实际源荷数据，利用概率盒理论对调度日源荷预测误差概率分布进行建模，得到净负荷不确定性区间； 根据配电网设备响应特性对配电网调度周期进行多时间尺度层级划分，得到多时间尺度调度层级； 基于所述多时间尺度调度层级和配电网分区信息，采用多智能体深度强化学习算法构建基于集中训练分散执行架构的电网优化调度模型；所述电网优化调度模型包括日前集中式优化调度模型、日内分布式滚动优化调度模型和实时优化调度模型； 以日前总运行成本最小为优化目标，根据所述净负荷不确定性区间和预先获取的自调节温度系数，通过所述电网优化调度模型求解得到日前调度策略； 基于所述日前调度策略，利用配电网设备实时运行状态和超短期预测偏差数据进行多尺度滚动优化，通过迭代优化得到多尺度全周期协同调度策略； 其中，所述基于所述多时间尺度调度层级和配电网分区信息，采用多智能体深度强化学习算法构建基于集中训练分散执行架构的电网优化调度模型的步骤包括： 根据配电网地理结构和配电网设备分布信息将配电网划分为多个自治区域，并为每个自治区域部署区域智能体，每个区域智能体具有独立的演员网络和评论家网络； 定义区域智能体在不同时间尺度调度层级下的状态空间和动作空间，基于集中训练分散执行架构为每个区域智能体建立初始优化调度模型； 在集中训练阶段，随机初始化各区域智能体的演员网络参数和评论家网络参数； 在训练过程中，将区域智能体与环境交互产生的状态信息、动作信息和奖励信息存储在重放缓冲区中，并在每次更新演员网络参数和评论家网络参数时，从重放缓冲区中随机采样批次数据，形成训练数据集； 根据所述训练数据集，通过最小化软贝尔曼残差更新评论家网络参数，得到最优动作价值估计； 基于演员网络输出的动作选择概率分布计算动作熵，并根据预先获取的不确定性量化参数和动作熵，计算自调节温度系数； 根据所述最优动作价值估计和所述自调节温度系数，通过梯度反向传播更新区域智能体的演员网络参数，得到全局协同策略参数； 在分散执行阶段，根据各区域智能体的实时局部观测状态，利用更新后的演员网络参数生成分区独立动作指令； 根据所述全局协同策略参数和独立动作指令对所述初始优化调度模型在多时间尺度下进行迭代优化，得到电网优化调度模型。

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东北电力大学，其通讯地址为：132012 吉林省吉林市船营区长春路169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”。