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！

龙图腾网获悉西安交通大学;中国电力科学研究院有限公司;国网陕西省电力有限公司电力科学研究院申请的专利面向可靠性提升的电力系统动态经济调度决策方法及系统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：CN119627891B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411771744.3，技术领域涉及：H02J3/00；该发明授权面向可靠性提升的电力系统动态经济调度决策方法及系统是由黄玉雄;刘清秋;李更丰;高晨溦;宋云亭;吴子豪;王倩;王辰曦设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本面向可靠性提升的电力系统动态经济调度决策方法及系统在说明书摘要公布了：本发明公开了一种面向可靠性提升的电力系统动态经济调度决策方法及系统，构建动态经济调度的马尔可夫决策过程；构建强化学习环境；更新分布式强化学习的神经网络；获得约束条件下的可行功率输出；通过平均共识算法获取发电总成本；引入贪婪策略ε‑greedy算法，利用智能体最大化当前所能获取的奖励，确保智能体在复杂环境中学习到最优的策略；定义为历史最优策略，更新本地操作策略，使得最优调度策略单调递减，最终达到最优。本发明在波动功率需求条件下具有较强的鲁棒性。

本发明授权面向可靠性提升的电力系统动态经济调度决策方法及系统在权利要求书中公布了：1.一种面向可靠性提升的电力系统动态经济调度决策方法，其特征在于，包括以下步骤： S1、构建动态经济调度的马尔可夫决策过程，通过马尔科夫链定义状态转移概率，用于计算强化学习的策略和价值函数； S2、构建强化学习环境为电力系统发电机组智能体提供模拟场景，电力系统发电机组智能体根据系统状态做出调度决策，调度发电机组实现最小化总发电成本； S3、更新分布式强化学习的神经网络，电力系统发电机组智能体根据环境反馈调整策略，步骤S3具体为： S301、设计包含动作网络和评价网络的双神经网络，动作网络负责在给定电网状态下应采取的出力行动；评价网络评估采取某个行动后系统的预期成本，定义作为在时隙、状态动作出力处，策略动作下状态动作值函数，建立强化学习价值网络估计，是网络的参数，采用与目标网络的均方差作为损失函数更新参数，获取状态动作值函数最小值，以获得经济调度的近似解；用分布式的方法获得状态动作值函数的最小值，解决关于近似状态动作值函数的问题； S302、每个发电机机组的智能体有一个动作网络，采用参数近似最优策略；选择一个具有两个隐藏层的全连接多层感知器近似最优策略；设置为新能源出力最大值与总负荷，强化学习状态与历史最优策略分别是动作网络的输入和输出；沿相对于的负梯度进行更新； S4、获得约束条件下的可行功率输出，具体为： S401、各智能体决策各发电机功率输出，进行采样； S402、在功率输出分布上添加一个投影控制器；如果不满足约束，通过投影得到满足约束的联合动作，将调整功率输出分布满足约束的问题转变为优化问题，采用投影优化算法解决，如果通信拓扑无向且连通，则该优化问题的平衡点是优化问题的最优解； S5、通过平均共识算法获取发电总成本，将发电总成本作为强化学习的奖励返回电力系统发电机组智能体； S6、引入贪婪策略算法，利用电力系统发电机组智能体最大化当前所能获取的奖励，确保电力系统发电机组智能体在复杂环境中学习到最优的策略； S7、定义为历史最优策略，更新本地操作策略，使得最优调度策略单调递减，最终达到最优。

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西安交通大学;中国电力科学研究院有限公司;国网陕西省电力有限公司电力科学研究院，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。