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！

龙图腾网获悉浙江巨化热电有限公司申请的专利基于强化学习的电力系统负荷动态优化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：CN120258254B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202510741404.4，技术领域涉及：G06Q10/04；该发明授权基于强化学习的电力系统负荷动态优化方法是由林国辉;江啸;欧阳晶;杜任翔;严龙飞设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本基于强化学习的电力系统负荷动态优化方法在说明书摘要公布了：本发明公开了基于强化学习的电力系统负荷动态优化方法，包括如下步骤：S1、采集电力系统数据构建状态空间；S2、基于状态空间构建分层强化学习模型，划分高层决策与低层执行任务；S3、训练高层决策模型，以高层状态输出调度任务目标类别指令；S4、训练低层执行模型，结合当前节点状态和高层指令输出控制动作；S5、引入进化机制生成策略种群并优化低层执行模型；S6、融合进化机制与策略梯度同步优化表现优良个体；S7、将训练完成的模型部署至电力调度系统；S8、基于调度反馈进行模型参数微调；S9、将微调后的模型持续应用于负荷调度控制中。本发明实现了电力负荷精准调度与策略高效自适应优化，提高了系统响应性与运行稳定性。

本发明授权基于强化学习的电力系统负荷动态优化方法在权利要求书中公布了：1.一种基于强化学习的电力系统负荷动态优化方法，其特征在于，包括如下步骤： S1、采集电力系统的数据，构建状态空间； S2、基于状态空间构建分层强化学习模型，将分层强化学习模型划分为高层决策模型与低层执行模型； S3、训练高层决策模型，高层决策模型以状态空间中高层状态为输入，输出调度任务目标类别指令； S4、训练低层执行模型，低层执行模型以当前节点级状态和高层决策模型输出的调度任务目标类别指令为输入，输出包含各节点负荷迁移量、储能充放电指令和用户响应激励系数的控制动作序列； S5、在训练低层执行模型时，引入进化强化学习机制，构建若干个策略个体，对各策略个体通过模拟环境交互计算奖励值，采用改进的遗传算法对策略个体组成的种群执行选择、交叉和变异操作，得到新一代策略个体； 其中，所述S5具体包括： S51、初始化低层策略函数，构建个低层策略函数个体； S52、记录每个策略个体在连续个训练周期中的累计奖励值，计算策略个体的带历史平滑权重的综合适应度值； S53、在遗传算法的筛选操作中，采用精英保留策略的选择方法，优先保留前个综合适应度值最大的策略个体，同时从剩余个体中基于排名进行轮盘选择，生成候选父代集； S54、对子代交叉操作进行改进，判断两个父代策略个体之间在策略参数分布空间的表现相似度，若其欧氏距离或KL散度小于设定阈值，则允许交叉，否则该组合被丢弃； S55、对选定的子代参数集合进行变异操作，引入目标引导机制，根据策略个体的当前目标残差计算变异概率； S6、将进化强化学习机制与策略梯度的优化方法结合，在策略个体演化更新的同时，采用基于策略梯度的优化方法进一步更新表现较优策略个体的参数； 其中，所述S6具体包括： S61、在每一代进化操作后，从当前策略种群中选取适应度值前个策略个体作为策略梯度优化候选子集，其中表示第个低层策略个体，； S62、针对每个策略个体，构建一组参数共享的双Q值函数网络、， S63、构造低层策略目标函数为； S64、将作为优化目标，分别更新低层策略个体与对应的Q值函数网络的的参数，更新采用异步交替训练方式，基于软更新规则调整目标Q网络参数； S65、对策略个体演化更新的同时，采用基于策略梯度的优化方法进一步更新表现较优策略个体的参数，其中，基于策略梯度的优化方法为改进型SoftActor-Critic方法； S651、在低层双Q值函数网络和中引入状态分布门控机制，对低层状态输入进行聚类，获得状态类别标签，将所述状态类别标签作为输入嵌入门控模块，在低层双Q值函数网络特征提取层中根据激活对应通道控制因子，对中间特征进行门控调节以生成类别敏感型Q值估计； S652、在低层策略个体中引入跨节点状态协同注意机制，将组成低层状态的各节点状态特征分别作为注意力编码输入，构建基于节点间依赖关系的注意力权重分布，对各节点特征进行加权聚合，作为策略分布的输入； S653、对低层策略网络中的熵系数引入动态调节机制，设定目标策略分布偏移值，每轮训练中计算当前低层策略个体与上一轮低层策略个体的KL散度，基于与之间的偏差调整熵系数； S7、将分层强化学习模型部署至电力系统负荷调度模块； S8、部署运行期间，持续采集调度反馈数据，对已部署的分层强化学习模型进行参数微调； S9、将经迁移微调后的高层决策模型与低层执行模型持续应用于电力系统的负荷调度过程中。

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浙江巨化热电有限公司，其通讯地址为：324000 浙江省衢州市高新技术园区纬五路38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。