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！

龙图腾网获悉南通理工学院申请的专利基于分布式深度强化学习的微电网能量优化方法及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：CN120892835B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511433169.0，技术领域涉及：G06F18/22；该发明授权基于分布式深度强化学习的微电网能量优化方法及装置是由马丽军;施红如设计研发完成，并于2025-10-09向国家知识产权局提交的专利申请。

本基于分布式深度强化学习的微电网能量优化方法及装置在说明书摘要公布了：本发明提供基于分布式深度强化学习的微电网能量优化方法及装置，涉及微电网能量优化与智能调度技术领域，本发明基于历史用电量、气象数据及对应供电量，按时间顺序构建特征序列；随后用两类序列分别训练LSTM模型，得到用电量与供电量预测模型，并通过滑动窗口获取预测误差，接着获取未来下一时段气象数据，结合历史序列获取供电量预测值，基于历史气象结合误差分布，计算供电量预测值属各区间概率作为第一类证据；再以未来气象与工况相似度为权重分配第二类证据，采用动态时间规整差分方法识别异常风机并修正供电量预测值，生成第三类证据，最后D‑S融合，输出未来下一时段供电量预测值，并进行供电模式决策。

本发明授权基于分布式深度强化学习的微电网能量优化方法及装置在权利要求书中公布了：1.基于分布式深度强化学习的微电网能量优化方法，其特征在于，具体步骤包括： 获取过去Z个连续时段内微电网的历史用电量、历史气象数据以及对应的供电量并归一化处理，按照时间顺序构建历史用电量特征序列和历史气象-供电量特征序列； 使用历史用电量特征序列对于LSTM模型进行训练，得到用电量预测模型，使用历史气象-供电量特征序列对于LSTM模型进行训练，得到供电量预测模型，并通过滑动窗口的方式获取预测误差； 获取未来下一个时段的气象数据并结合前M1个时段的历史气象数据、供电量输入供电量预测模型，得到下一个时段的供电量预测值，基于历史气象数据聚类划分工况，生成互斥的总供电量区间，并结合该时段气象数据与各工况相似度，对预测误差进行加权，得到未来误差分布，计算供电量预测值属于各总供电量区间的概率作为第一类证据； 将未来下一个时段气象数据与各工况的相似度作为权重，为各工况对应的总供电量区间分配第二类证据，采用动态时间规整差分方法，对当前时刻前TA个时段的各风机的供电量进行分析，识别异常风机并将其供电量置零修正未来下一个时段供电量预测值，并映射到总供电量区间，生成第三类证据； 对三类证据进行D-S融合，证据冲突则以第三类证据为主导，输出未来下一个时段供电量预测值，与当前时刻前M2个连续时段的历史用电量输入用电量预测模型得到的用电量预测值进行对比并进行供电模式决策。

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南通理工学院，其通讯地址为：226000 江苏省南通市崇川区永兴路211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。