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电力科学研究院;国网安徽省电力有限公司六安供电公司申请的专利基于深度强化学习的综合能源系统多时间尺度功率调控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：CN118763740B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411135369.3，技术领域涉及：H02J3/46；该发明授权基于深度强化学习的综合能源系统多时间尺度功率调控方法是由吴红斌;程阳;何叶;徐斌;张明星;仇茹嘉;毕锐;夏鹏设计研发完成，并于2024-08-19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综合能源系统多时间尺度功率调控方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的综合能源系统多时间尺度功率调控方法，包括：1、基于能量耦合关系对含电能、热能、天然气、氢能的综合能源系统进行数学建模；2、根据系统中设备调节速度的差异性，提出上层长时间尺度功率调控策略和下层短时间尺度功率调控策略，并构建系统的约束条件；3、将该功率调控问题转换为马尔科夫决策过程，运用深度强化学习方法对上层智能体和下层智能体进行训练，用训练后的策略网络制定多时间尺度下的功率调控决策。本发明不依赖于对可再生能源和负荷的精确预测，能够动态地对源荷的波动做出快速的调控决策，满足综合能源系统功率供需平衡需求，降低系统碳排放水平，对综合能源系统的运行调控具有重要意义。

本发明授权基于深度强化学习的综合能源系统多时间尺度功率调控方法在权利要求书中公布了：1.一种基于深度强化学习的综合能源系统多时间尺度功率调控方法，其特征在于，是按如下步骤进行： 步骤一、构建含电能e、热能h、天然气g、氢能H2的综合能源系统的数学模型； 步骤1.1、建立含电能e、热能h、天然气g、氢能H2的综合能源系统的耦合设备模型； 步骤1.2、建立含电能e、热能h、天然气g、氢能H2的综合能源系统的储能设备模型； 步骤二、根据综合能源系统中设备调节速度的差异性，建立双层多时间尺度功率调控策略； 步骤2.1、面向电能e、热能h、天然气g、氢能H2，基于日内每小时的风光出力、电热负荷和设备运行状态，建立系统上层长时间尺度的功率调控策略； 步骤2.1.1、利用式8构建上层调控目标中的能源供给不平衡量； 8 式8中：、分别为t时刻下光伏PV、风电wind的出力功率；为t时刻风光的出力消纳量；为t时刻向上级电网购电的功率；为上级电网的最大供电能力；为t时刻综合能源系统的热能冗余量，max·为取最大值函数； 步骤2.1.2、利用式9构建上级购电、购气所含的碳排放量； 9 式9中：、分别为t时刻上级购电、购气所含的碳排放量；、分别为消耗单位电能e、天然气g产生的碳排放量；为t时刻燃气轮机GT的天然气g消耗功率；为t时刻燃气锅炉GB的天然气g消耗功率； 利用式10构建上层调控目标中的t时刻综合能源系统的碳排放量： 10 步骤2.1.3、利用式11和式12分别将、归一化： 11 12 式11和12中：和分别为归一化后t时刻的能源供给不平衡量和碳排放量，为调节参数； 步骤2.1.4、利用式13构建上层长时间尺度的目标函数： 13 式13中：、分别为t时刻上层调控目标与最优目标0,0、最劣目标1,1的欧式距离，为t时刻的上层长时间尺度目标的综合评价值，T为调控周期； 步骤2.2、根据光伏、风机功率波动来调整系统外部购电售电功率、蓄电池充放电功率、电锅炉运行功率，并建立系统下层短时间尺度的功率调控策略； 步骤2.2.1、利用式14构建下层调控目标中的电热供给不平衡量； 14 式14中：为上层调控时t时刻的上级电网供电功率，为t时刻上级电网供电功率的调整量；为t时刻热负荷；其中，为热供给功率，由式15计算得到； 15 式15中，为t时刻燃气轮机GT输出的热功率，为t时刻燃气锅炉GB输出的热功率；为t时刻氢燃料电池HFC输出的热功率； 步骤2.2.2、利用式16构建下层调控目标中的电系统碳排放量： 16 式16中：为消耗单位电能e产生的碳排放量，为下层调控的时间间隔； 步骤2.2.3、利用式17和式18分别将、归一化： 17 18 式17和18中：和分别为归一化后t时刻的电热供给不平衡量、电系统碳排放量，为调节参数； 步骤2.2.4、利用式19构建下层短时间尺度的目标函数： 19 式19中：、分别为t时刻下层调控目标与最优目标0,0、最劣目标1,1的欧式距离，为t时刻的上层长时间尺度目标的综合评价值，T为调控周期； 步骤2.3、构建电能e、热能h、天然气g、氢能H2的能量平衡约束和外部能源交互约束； 步骤三、利用深度强化学习方法对上、下层智能体进行训练； 步骤3.1、采集综合能源系统内各设备的运行参数，采集光伏电站、风电站历史发电数据，采集用户历史电负荷和热负荷； 步骤3.2、建立上层智能体、下层智能体的状态空间、动作空间和奖励函数： 步骤3.3、利用深度强化学习方法分别对所述上层智能体、下层智能体进行训练，得到上层长时间尺度的功率调控模型和下层短时间尺度的功率调控模型，用于对所采集的状态空间输出对应的下层动作空间，从而将上层动作空间和下层动作空间作为双层多时间尺度功率调控结果。

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电力科学研究院;国网安徽省电力有限公司六安供电公司，其通讯地址为：230009 安徽省合肥市包河区屯溪路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”。

以上内容由龙图腾AI智能生成。