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！

龙图腾网获悉广东电网有限责任公司申请的专利基于轻量型灵敏度的配电网边缘侧多模态自适应控制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：CN115793456B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211508800.5，技术领域涉及：G05B13/04；该发明授权基于轻量型灵敏度的配电网边缘侧多模态自适应控制方法是由朱泰鹏;梁盈威;代昊琦;刘竹青;苏华权;冯歆尧;张子麒;李鹏;冀浩然设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本基于轻量型灵敏度的配电网边缘侧多模态自适应控制方法在说明书摘要公布了：本发明的基于轻量型灵敏度的配电网边缘侧多模态自适应控制方法，立足于解决网络参数不可知或不准确情况下的配电网多模态自适应控制问题。本发明通过对历史数据的有效提炼，可以准确模拟配电网全局灵敏度，并利用配电网全局灵敏度在边缘侧构建多模态自适应优化控制模型，有效避免了网络参数不可知或不准确情况下配电网运行约束无法建立的问题，同时，通过构建多元模态选择目标函数，可以实现配电网边缘侧运行控制模态的自适应选择，突出了不同模态的控制效果差异，提升配电网边缘侧运行控制的灵活性，促进配电网网络损耗降低、电压偏差减小、线路负载均衡，支撑高比例分布式电源接入下配电网边缘侧的灵活经济运行。

本发明授权基于轻量型灵敏度的配电网边缘侧多模态自适应控制方法在权利要求书中公布了：1.一种基于轻量型灵敏度的配电网边缘侧多模态自适应控制方法，其特征在于，包括如下步骤： 1根据选定的配电网，划分各边缘计算装置的所辖区域并输入配电网参数；输入配电网Nd个典型日的历史潮流数据；设置训练样本的采样总时长ΔT、采样时间间隔Δt；设置双通道图卷积神经网络模型参数，包括学习率γ、正则化系数β、完整遍历训练集的次数E； 2依据步骤1中的配电网Nd个典型日的历史潮流数据，在云端构建双通道图卷积神经网络模型及其训练集，完成双通道图卷积神经网络模型的训练，基于训练后的双通道图卷积神经网络模型生成轻量型灵敏度曲线；所述的双通道图卷积神经网络模型表示为： Fθ+1＝σKθFθ+bθ9 σx＝sigmoidx＝11+e-x10式中，Hθ+1为双通道图卷积神经网络模型的通道1第θ+1层隐藏层的输出；Hθ为双通道图卷积神经网络模型的通道1第θ层隐藏层的输出；A为拓扑信息矩阵，为归一化拓扑信息矩阵，IN为N阶单位矩阵，N为配电网节点总数，N为配电网节点总数；为对角阵，为矩阵的对角线元素，为归一化拓扑信息矩阵第i行第j列元素；Wθ为双通道图卷积神经网络模型的通道1第θ层的权重矩阵；Fθ+1为双通道图卷积神经网络模型的通道2第θ+1层隐藏层的输出；Fθ为双通道图卷积神经网络模型的通道2第θ层隐藏层的输出；Kθ为双通道图卷积神经网络模型的通道2第θ层的权重矩阵；bθ为双通道图卷积神经网络模型的通道2第θ层的偏置矩阵；σ·为非线性激活函数，sigmoid·为双曲正弦激活函数； 双通道图卷积神经网络模型以有监督的方式进行训练，并以均方误差作为损失函数衡量拟合误差，表示为： 式中，和分别为第n个训练样本第i行第k列输出特征的拟合值和真实值，NC为训练样本个数；N为配电网节点总数；O为输出特征个数； 3将步骤2中轻量型灵敏度曲线下发至配电网各边缘侧的边缘计算装置，构建灵敏度分段线性化约束；所述的灵敏度分段线性化约束，是指对轻量型灵敏度曲线进行简化，表示为： αb≤βb+βb-1,b＝2,3,…,B-1 0≤αb≤1,βb∈{0,1} 式中，ρ表示节点有功功率P或节点无功功率Q，Δρ为功率变化值；表示功率ρ的分段线性化灵敏度函数的数学表达，ρb为分段线性化灵敏度函数第b个转折点，fρρb为真实灵敏度函数在分段点ρb处的取值；αb、βb为辅助变量；b为转折点索引，B为转折点总数； 4在配电网各边缘侧建立基于轻量型灵敏度的配电网边缘侧多模态自适应控制模型，包括：设定配电网边缘侧运行模态提升效果最大为目标函数，分别考虑灵敏度分段线性化约束、配电网安全运行约束、分布式电源运行约束； 5对步骤4得到的基于轻量型灵敏度的配电网边缘侧多模态自适应控制模型进行求解，输出求解结果，包括：配电网边缘侧区域的控制模态、各分布式电源的运行控制策略。

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广东电网有限责任公司，其通讯地址为：510060 广东省广州市越秀区东风东路757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”。