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！

龙图腾网获悉国网北京市电力公司申请的专利一种基于模仿强化学习的自动发电控制动态优化方法、系统、设备及介质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：CN120029049B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202411326592.6，技术领域涉及：G05B13/04；该发明授权一种基于模仿强化学习的自动发电控制动态优化方法、系统、设备及介质是由张志远;宋明辉;李熙钦;孙峰;谭久俞;严刚;马元通;邓佳;吴珂;严茗宇;田美玲设计研发完成，并于2024-09-23向国家知识产权局提交的专利申请。

本一种基于模仿强化学习的自动发电控制动态优化方法、系统、设备及介质在说明书摘要公布了：本发明属于自动发电控制技术领域，涉及一种基于模仿强化学习的自动发电控制动态优化方法、系统、设备及介质。该方法包括：基于AGC动态优化问题模型定义AGC动态优化的运行约束和控制目标；基于AGC动态优化的运行约束和控制目标，将AGC动态优化问题建模为马尔科夫决策过程模型；基于离线专家经验数据对AGC控制器进行模仿训练，完成策略初始化，得到初始化AGC策略；基于初始化AGC策略对AGC控制器进行在线交互训练，求解马尔科夫决策过程模型的策略，实现对AGC控制器的迭代更新，得到最优AGC策略。解决了传统人工智能训练框架下自动发电控制的关键运行约束无法被满足的问题。

本发明授权一种基于模仿强化学习的自动发电控制动态优化方法、系统、设备及介质在权利要求书中公布了：1.一种基于模仿强化学习的自动发电控制动态优化方法，其特征在于，包括： 基于AGC动态优化问题模型定义AGC动态优化的运行约束和控制目标； 基于AGC动态优化的运行约束和控制目标，将AGC动态优化问题建模为马尔科夫决策过程模型，所述马尔科夫决策过程模型的核心元素包括状态空间、动作空间和奖励函数； 基于离线专家经验数据对AGC控制器进行模仿训练，完成策略初始化，得到初始化AGC策略； 基于初始化AGC策略对AGC控制器进行在线交互训练，求解马尔科夫决策过程模型的策略，实现对AGC控制器的迭代更新，得到最优AGC策略； 所述AGC动态优化的运行约束包括系统功率平衡、AGC单元调节特性、频率偏差约束及联络线功率偏差约束； 系统功率平衡的表达式为：其中，代表可调AGC单元在时刻的运行功率；代表不可调AGC单元在时刻的运行功率；代表风电场在时刻的并网功率；代表需求侧在时刻的注入功率；代表联络线在时刻的功率；代表在时刻的线路损耗功率； 频率偏差约束表达式为：；其中，代表频率偏差；代表频率偏差的下限；代表频率偏差的上限； 联络线功率偏差约束表达式为：； 其中，代表联络线功率偏差；代表联络线功率偏差的下限；代表联络线功率偏差的上限； 所述状态空间的设计考虑当前的电力系统运行状态和需要预测的不确定新能源发电信息； 当前的电力系统运行状态包括当前可调AGC单元在时刻的运行功率、频率偏差、联络线功率偏差和区域控制偏差； 对于需要预测的不确定新能源发电信息，将个历史风电信息引入状态空间实现更好预测，状态定义如下： 其中，代表当前可调AGC单元在时刻的运行功率，代表频率偏差，代表联络线功率偏差，代表区域控制偏差；代表风电历史时刻的发电功率； 动作空间设计时，考虑到控制变量是每个AGC单元的调节方向和调节功率，定义动作为AGC单元的功率调整量：； 其中，代表可调AGC单元集合；代表可调AGC单元的功率调整量；奖励函数的表达式为： ； 其中，代表电力系统运行成本指标；代表AGC调频的性能评估指标；代表违反电力系统运行约束的惩罚指标；分别是权重因子，用于平衡三个子奖励项之间的权衡。

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国网北京市电力公司，其通讯地址为：100031 北京市西城区前门西大街41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。