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！

龙图腾网获悉清华大学申请的专利储能系统多市场联合投标优化方法、装置、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：CN120823023B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511309764.3，技术领域涉及：G06Q30/08；该发明授权储能系统多市场联合投标优化方法、装置、设备及介质是由郭鸿业;刘瑾瑜;潘宁康;蔡元纪;康重庆设计研发完成，并于2025-09-15向国家知识产权局提交的专利申请。

本储能系统多市场联合投标优化方法、装置、设备及介质在说明书摘要公布了：本发明涉及电力市场与人工智能交叉技术领域，特别涉及一种储能系统多市场联合投标优化方法、装置、设备及介质，其中，方法包括：获取储能系统及电力市场的至少一个运行参数；通过神经网络供应函数将投标曲线转化为连续可导形式，建立基于市场优先级的多市场顺序出清机制，并构建包含物理约束惩罚项的双重可导奖励函数，构建适配电力多市场场景的深度可导强化学习框架；构建储能多市场收益总和满足预设最大化条件的目标函数；基于储能系统多市场联合投标优化模型输出储能系统及电力市场得到的联合投标优化结果。本发明通过创新性地构建可导多市场操作环境，解决了传统储能投标中市场机制非可导性与强化学习训练要求之间的矛盾。

本发明授权储能系统多市场联合投标优化方法、装置、设备及介质在权利要求书中公布了：1.一种储能系统多市场联合优化方法，其特征在于，包括以下步骤： 获取储能系统及电力市场的至少一个运行参数，其中，所述获取储能系统及电力市场的至少一个运行参数，包括：获取包含荷电状态初始值、充放电功率限值、充放电效率和荷电状态安全裕度的储能物理参数；获取包含能量市场历史价格序列、调频市场历史价格序列和备用市场历史价格序列的多市场价格数据；获取包含训练总步数、学习率、折扣因子和荷电状态违规惩罚系数的强化学习训练参数； 基于所述至少一个运行参数，构建深度可导强化学习框架； 基于所述深度可导强化学习框架，通过神经网络供应函数将离散曲线转化为连续可导形式，建立基于市场优先级的多市场顺序出清机制，并构建包含物理约束惩罚项的双重可导奖励函数，以根据所述连续可导形式、所述多市场顺序出清机制和所述双重可导奖励函数构建适配电力多市场场景的深度可导强化学习框架，其中，所述根据所述连续可导形式、所述多市场顺序出清机制和所述双重可导奖励函数构建适配电力多市场场景的深度可导强化学习框架，包括：利用所述神经网络供应函数将所述电力市场的离散曲线转化为所述连续可导形式，以生成从市场状态向量到多市场功率的映射，得到可导功率；根据所述电力市场的交易规则和储能物理约束，对所述可导功率执行顺序清算操作，以动态更新可用功率边界并校准实际出清功率，生成校准后的实际出清功率；基于所述校准后的实际出清功率，建立包含所述物理约束惩罚项的双重可导奖励函数，并将物理约束转化为所述双重可导奖励函数的调控因子，以生成多市场收益最大化与物理约束满足的协同优化结果；基于所述协同优化结果，构建所述电力市场与所述储能系统的时序演进模型，并根据所述时序演进模型计算下一时刻荷电状态和市场状态，以根据所述下一时刻荷电状态和所述市场状态构建所述适配电力多市场场景的深度可导强化学习框架； 基于所述适配电力多市场场景的深度可导强化学习框架，构建储能多市场收益总和满足预设最大化条件的目标函数； 利用所述目标函数训练预设模型，生成储能系统多市场联合优化模型，以基于所述储能系统多市场联合优化模型输出所述储能系统及所述电力市场得到的联合优化结果，基于所述联合优化结果对适用于高比例可再生能源电力系统中储能资源进行灵活调度； 其中，所述输出所述储能系统及所述电力市场得到的联合优化结果，还包括： 基于SOC状态分段计算所述物理约束惩罚项，实现安全区间无惩罚、越限区间梯度惩罚的动态调控： 其中，，惩罚项，、触发二次函数惩罚项，越限程度越深，惩罚强度越大，强制策略网络学习约束规避行为，其中，表示t时刻电池的实际荷电状态，表示最低荷电状态，表示最大荷电状态，表示所述荷电状态安全裕度； 所述下一时刻荷电状态的计算公式为： 其中，为所述下一时刻荷电状态，为时段T储能的荷电状态，为时间步长，为储能充电效率，为储能放电效率，为充电方向实际出清功率，为放电方向实际出清功率。

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清华大学，其通讯地址为：100084 北京市海淀区清华园清华大学；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。