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！

龙图腾网获悉福州大学申请的专利一种基于粒子群算法的虚拟电厂优化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：CN119990672B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510198945.7，技术领域涉及：G06Q10/0631；该发明授权一种基于粒子群算法的虚拟电厂优化调度方法是由金涛;陈颖高;李海滨;杨明发设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本一种基于粒子群算法的虚拟电厂优化调度方法在说明书摘要公布了：本发明涉及一种基于粒子群算法的虚拟电厂优化调度方法，以获取最优虚拟电厂调度方案为目标，采用粒子群优化算法对虚拟电厂调度方案进行优化，包括：S1、获取虚拟电厂中所有机组的发电功率及相关负荷功率；S2、输入粒子群优化算法的相关参数；S3、初始化粒子的位置和速度；S4、计算每个粒子的适应度值；S5、更新粒子的速度和位置，更新个体最优和群体最优；S6、重新计算每个粒子的适应度值；S7、判断是否达到终止迭代的次数，是则输出优化结果，否则转下一步；S8、判断粒子的适应度值是否连续m次迭代没变，否则返回S5，是则更新粒子速度；S9、对粒子进行SCR计算并挑选出劣粒子；S10、分别更新劣粒子每个维度的值，然后返回S4继续迭代。该方法有利于提高虚拟电厂调度效果。

本发明授权一种基于粒子群算法的虚拟电厂优化调度方法在权利要求书中公布了：1.一种基于粒子群算法的虚拟电厂优化调度方法，其特征在于，以获取最优虚拟电厂调度方案为目标，采用粒子群优化算法对虚拟电厂调度方案进行优化，包括以下步骤： S1、获取虚拟电厂中所有机组的发电功率及相关负荷功率并进行数据预处理； S2、输入粒子群优化算法的相关参数，包括种群规模、迭代次数和惯性权重；粒子群优化算法中的每个粒子代表一种调度方案； S3、初始化粒子的位置和速度； S4、计算每个粒子的适应度值并记录存档； S5、更新粒子的速度和位置，更新个体最优和群体最优； S6、重新计算每个粒子的适应度值并记录存档； S7、判断是否达到终止迭代的次数，是则转步骤S11，否则转步骤S8； S8、判断粒子的适应度值是否在连续m次迭代中没有改变，否则返回步骤S5，是则更新每个粒子的速度； S9、对粒子进行自导率SCR计算，并由SCR的数值挑选出劣粒子； S10、分别为劣粒子的每个维度产生一个随机数，若产生的随机数小于粒子维度的变异值，则将劣粒子该维度的值替换为与最优个体粒子相应维度的值，然后返回步骤S4继续迭代； S11、结束优化过程，输出优化结果，即为最优的虚拟电厂调度方案； 步骤S5中，根据公式7和8更新粒子的速度和位置，更新个体最优和群体最优； vl,n+1＝wvl,n+c1r1Pbest,l-xl,n+c2r2Gbest,n-xl,tn7 其中，vl,n+1是粒子l在下一次迭代n+1的速度；vl,t＝n是粒子l在当前迭代n的速度，w是粒子速度变化的惯性权重，控制粒子速度的保留程度；c1和c2是加速系数，分别表示个体学习因子和社会学习因子，控制粒子向个体最优和全局最优靠拢的程度；r1和r2是区间[0,1]内的随机数；Pbest,l是粒子l迄今为止找到的个体最优位置；Gbest,n是整个粒子群迄今为止找到的全局最优位置；xl,n+1是粒子l在下一次迭代n+1的位置；xl,n是粒子l在当前迭代n的速度；ρn为粒子位置变化的惯性权重；ρmax和ρmin分别为惯性权重的最大和最小值；R1控制正弦和余弦函数的振幅，能够根据迭代过程进行调整；a为设定的常数；R2、R3和R4表示三个随机数，服从均匀分布；N为总迭代次数； 步骤S8中，当粒子的位置改变而粒子的适应度值在连续m次迭代过程中不变时，根据公式10的速度更正公式更新每个粒子的速度； 其中，vl,n+1表示第l个粒子的下一次迭代n+1的速度，l表示第l个粒子，n表示当前迭代，m表示设定的连续迭代次数。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。