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！

龙图腾网获悉华北电力大学申请的专利一种基于浅层物理信息神经网络的配电网络建模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：CN120337743B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510399352.7，技术领域涉及：G06F30/27；该发明授权一种基于浅层物理信息神经网络的配电网络建模方法是由成锐;刘文霞;杨玉泽;张环宇设计研发完成，并于2025-04-01向国家知识产权局提交的专利申请。

本一种基于浅层物理信息神经网络的配电网络建模方法在说明书摘要公布了：本发明涉及配电网络技术领域，具体涉及一种基于浅层物理信息神经网络的配电网络建模方法，包括以下步骤：S1，构建建模基础模型：建立配电网潮流模型，同时采用非负权值与ReLU激活函数，构建ICNN网络；S2，基于ICNN的配电网拓扑结构建模：通过聚类方法对ICNN网络的权重进行离散化，估算节支关联矩阵逆并求其逆矩阵，从而反演得到配电网的拓扑结构；S3，基于ICNN的配电网线路参数建模：通过ICNN网络估算线路电阻和电抗对角矩阵，并引入正则项进行优化，实现对配电网线路参数的反演建模；本发明，实现对配电网结构与参数的联合反演，显著提升了建模的实用性和鲁棒性。

本发明授权一种基于浅层物理信息神经网络的配电网络建模方法在权利要求书中公布了：1.一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，包括以下步骤： S1，构建建模基础模型：建立配电网潮流模型，引入节支关联矩阵和电压灵敏度矩阵，构建节点电压与注入功率、线路潮流之间的关系模型，同时采用非负权值与ReLU激活函数，构建ICNN网络； S2，基于ICNN的配电网拓扑结构建模：训练单层ICNN网络，将节点有功注入功率与有功线路潮流的关系作为输入输出对，使得ICNN网络的权重反映路径矩阵信息，通过聚类方法对ICNN网络的权重进行离散化，估算节支关联矩阵逆并求其逆矩阵，从而反演得到配电网的拓扑结构； S3，基于ICNN的配电网线路参数建模：基于得到的拓扑结构，训练ICNN网络，将节点注入功率与节点电压关系作为输入，学习电压灵敏度矩阵，通过ICNN网络估算线路电阻和电抗对角矩阵，并引入正则项进行优化，实现对配电网线路参数的反演建模； 所述S3中的基于ICNN的配电网线路参数建模包括： S31，构建阻抗参数求解目标：线路参数反演的目标是求解线路电阻对角矩阵和电抗对角矩阵，表示为： ； ； S32，建立电压与功率关系表达：基于LinDistFlow模型，定义矩阵R和X与节点注入功率和配网节点电压之间的关系，表示为： ； 其中，表示变换后的节点电压相量； S33，构建映射结构：构建ICNN网络的映射结构，表示为： ； S34，变量变换：通过变量变换以满足非负权重约束，表示为： ； ； S35，增广矩阵表达：将节点电压与功率的映射关系转换为增广矩阵形式，表示为： ； 其中，表示增广电压灵敏度矩阵； S36，建立权重与参数矩阵的关系：训练单层无偏置ICNN网络，其权重参数和反映配电网的拓扑结构和线路参数信息，表示为： ； ； ； ； ； ； 其中，表示电压灵敏度信息矩阵； S37，反演线路阻抗矩阵：基于M矩阵，实现配电网的线路参数反演，表示为： ； ； 其中，和分别表示线路电阻估计矩阵和线路电抗估计矩阵； S38，权重矩阵对称设计与优化表达：通过引入子权重块表示权重结构，表示为： ； ； 其中，~为一组可训练的权重参数对角矩阵； ； S39，引入正则项约束与虚拟节点：引入正则项损失函数，构建包括均方误差与正则惩罚项的总损失函数，并引入虚拟PCC节点对电压进行归一化。

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华北电力大学，其通讯地址为：100096 北京市昌平区回龙观北农路2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。