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！

龙图腾网获悉合肥工业大学;国网安徽省电力有限公司申请的专利基于深度强化学习的区域电网日前-日内联合调度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：CN115441437B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211102713.X，技术领域涉及：H02J3/00；该发明授权基于深度强化学习的区域电网日前-日内联合调度方法是由唐昊;梁硕哲;张莹杰;王正风;程文娟;梁肖;高卫恒;栾喜臣设计研发完成，并于2022-09-09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区域电网日前-日内联合调度方法在说明书摘要公布了：本发明属于电力系统调度优化技术领域，更具体地，涉及一种基于深度强化学习的区域电网日前‑日内联合调度方法，其建立了区域电网日内滚动调度优化模型，并提出了一种基于深度强化学习的调度策略求解。首先，日前调度计划每日根据日前风电及负荷预测曲线进行制定；然后，针对区域电网建立日内滚动调度模型：目标函数和约束条件；最后，利用深度强化学习算法对日内滚动模型进行求解。该方法在日前调度计划与AGC调控之间加入日内滚动计划，使得调度计划之间的衔接更加紧密、过渡更加平稳。深度强化学习算法相较于传统基于数学模型与优化求解器的调度优化方法更具有实时性，极大提升了求解效率。

本发明授权基于深度强化学习的区域电网日前-日内联合调度方法在权利要求书中公布了：1.基于深度强化学习的区域电网日前-日内联合调度方法，其特征在于，包括以下步骤： 步骤1：日前调度计划每日根据日前风电及负荷预测曲线进行制定，得到火电机组的启停计划、火电机组出力计划、A类可削减负荷补偿价格及削减量、可平移负荷运行起始时间； 步骤2：日内滚动调度模型的目标函数为最小化系统运行成本与风险成本之和，约束为日内功率平衡约束、线路传输容量约束、火电机组出力上下限约束、火电机组爬坡约束和B类可削减负荷调用约束； 步骤3：利用深度强化学习完成日内滚动调度模型求解，获得日内调度计划。 所述步骤3具体如下： 根据步骤2所建立的日内滚动调度模型，建立马尔科夫决策模型，决策过程的变量包括： 1状态空间构造：状态空间包括区域电网的超短期负荷预测值、超短期风电预测值、上时刻机组出力、日前调度计划，即： S＝{Pw,Pl,P,Pday-ahead} 其中，Pw为区域电网日内超短期风电预测状态集合；Pl为日内超短期负荷功率预测状态集合；P为上一时刻各火电机组出力状态集合；Pday-ahead为区域电网日前调度计划状态集合； 2动作空间构造：包括火电机组出力调整量区间、B类可削减负荷补偿价格及可削减量区间，即： A＝{ΔP,ρB,ΔPB} 其中，ΔP为区域电网日内火电机组出力调整动作集合；ρB为B类可削减负荷补偿价格动作集合；ΔPB为B类可削减负荷削减量动作集合； 3奖励函数构造：包括区域电网日内调度计划运行成本、弃风失负荷惩罚和安全约束惩罚三部分，其中，区域电网日内滚动调度计划运行成本和弃风失负荷惩罚即为目标函数，安全约束惩罚为系统支路潮流越限惩罚，即电网内部支路的潮流超过了其所能承受的极限值，可表示为： 其中，为潮流越限惩罚；ρpf为潮流越限惩罚系数；μl,t为0-1变量，代表支路l在t时刻是否越限，μl,t＝1表示线路潮流越限，μl,t＝0表示线路潮流未越限；L为区域电网内支路总数； 因此，智能体奖励函数R可以表示为： 为使奖励最大化，电网日内调度计划运行成本、弃风失负荷惩罚和安全约束惩罚三部分之和必须最小。

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合肥工业大学;国网安徽省电力有限公司，其通讯地址为：230009 安徽省合肥市屯溪路193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”。