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！

龙图腾网获悉平高集团储能科技有限公司;华北电力大学申请的专利基于能源集群与储能协同虚拟电厂控制方法、系统和装置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：CN120341944B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510800429.7，技术领域涉及：H02J3/32；该发明授权基于能源集群与储能协同虚拟电厂控制方法、系统和装置是由田刚领;阮鹏;张柳丽;孙淑杰;郑华;谢莉;梁思远设计研发完成，并于2025-06-16向国家知识产权局提交的专利申请。

本基于能源集群与储能协同虚拟电厂控制方法、系统和装置在说明书摘要公布了：本发明涉及虚拟电厂控制技术领域，提供一种基于能源集群与储能协同虚拟电厂控制方法、系统和装置。该方法包括：采集能源设备的实时数据，并对实时数据进行预处理得到预处理实时数据；根据所述预处理实时数据使用LSTM注意力图神经网络进行预测得到预测结果；根据所述预测结果进行多元储能系统配置与协同优化得到充放电功率参考值；根据所述充放电功率参考值对虚拟电厂内的发电机组进行调节。本发明通过构建分布式能源集群与多元储能协同的优化控制方法，实现虚拟电厂高效、稳定运行，提高能源利用率和对电网的支撑能力。

本发明授权基于能源集群与储能协同虚拟电厂控制方法、系统和装置在权利要求书中公布了：1.一种基于能源集群与储能协同虚拟电厂控制方法，其特征在于，包括： S1：采集能源设备的实时数据，并对实时数据进行预处理得到预处理实时数据，预处理的方法包括： S11：将收集到的实时数据按时间顺序排序，得到原始实时数据； S12：筛选掉长度小于长度阈值的原始实时数据得到筛选后的原始实时数据； S13：对所述筛选后的原始实时数据进行缺失值填补，得到所述预处理实时数据； S2：根据所述预处理实时数据使用LSTM注意力图神经网络进行预测得到预测结果，步骤S2包括： S21：根据动态门控卷积优化输入的预处理实时数据，得到优化后的实时数据； S22：采用LSTM算法预测预处理实时数据得到隐藏状态； S23：使用图神经网络和注意力机制动态分配优化所述隐藏状态得到预测结果； S3：根据所述预测结果进行多元储能系统配置与协同优化得到充放电功率参考值，步骤S3包括： S31：根据不同的储能技术建立不同的SOC的动态方程； S32：对电网系统进行MPC-RL建模得到MPC-RL算法； S321：上层全局优化目标函数可表示为： 其中，为时刻分布式能源发电成本，为时刻储能系统运行成本，表示取最小值，T为总时长； 约束条件包括： ； ； ； ； 式中，为时刻发电总功率，为时刻储能系统放电功率，为时刻储能系统充电功率，为时刻负载功率，为最小荷电状态值，为时刻荷电状态值，为最大荷电状态值，为最小储能系统放电功率值，为最大储能系统放电功率值，为最小储能系统充电功率值，为最大储能系统充电功率值； 采用模型预测控制方法求解优化问题，得到未来某个时刻的储能系统放电功率参考值、储能系统充电功率参考值； S323：各储能设备根据上层下达的参考值，结合自身状态进行本地控制； S33：根据所述SOC的动态方程和预测结果输入到MPC-RL算法求解得到充放电功率参考值； S331：定义变量： 设控制变量： 设状态变量： RL_state表示由RL提供的辅助状态： 预测误差： 式中，为t时刻发电功率实际值，为t时刻发电功率预测值，表示向量取模； 电网波动：； 历史控制指令； RL动态权重：； ：分布式能源发电成本的动态权重； ：储能运行成本的动态权重； S332：根据优化问题建模： 修正后的目标函数表达式为： 其中，表示求取最小值对应的控制变量，为RL生成的惩罚项； 其中，为极端SOC系数，为频率波动系数； S333：协同求解过程： RL模块实时计算： 输入：预测结果； 输出：动态权重λ； MPC求解： 输入：新的优化函数、约束条件和动态权重λ； 输出：最优控制序列； 最后闭环求解，重复流程，在RL引导下求解兼顾经济性与稳定性的充放电策略； S4：根据所述充放电功率参考值对虚拟电厂内的发电机组进行调节。

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平高集团储能科技有限公司;华北电力大学，其通讯地址为：300304 天津市东丽区华明高新技术产业区弘泰道12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。