天津大学;太原理工大学;国网江西省电力有限公司电力科学研究院;新疆大学崔明建获国家专利权
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!
龙图腾网获悉天津大学;太原理工大学;国网江西省电力有限公司电力科学研究院;新疆大学申请的专利基于联邦交替方向乘子法的工业园区分层响应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:CN121279737B 。
龙图腾网通过国家知识产权局官网在2026-03-24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:202511821867.8,技术领域涉及:G06Q10/0631;该发明授权基于联邦交替方向乘子法的工业园区分层响应方法及系统是由崔明建;刘默涵;顾梨婷;李廷钧;蔡木良;戚沁雅;谢丽蓉设计研发完成,并于2025-12-05向国家知识产权局提交的专利申请。
本基于联邦交替方向乘子法的工业园区分层响应方法及系统在说明书摘要公布了:本发明属于需求响应策略技术领域,提供基于联邦交替方向乘子法的工业园区分层响应方法及系统。构建兼顾负荷聚合商及工业用户多主体利益且考虑工艺流程的工业园区分层响应模型,工业园区分层响应模型包括负荷聚合商层和工业用户层,负荷聚合商层以成本最小为目标优化用户级响应方案,工业用户层以额外收益最大为目标优化设备级响应方案;基于工业园区分层响应模型,构建联邦交替方向乘子法分布式算法;通过联邦交替方向乘子法分布式算法求解工业园区分层响应模型,负荷聚合商层和工业用户层动态更新补偿价格直至收敛至最优解。能够实现敏感数据保护性和计算效率的提高,及获得兼顾多主体利益且考虑工艺流程的需求响应方案。
本发明授权基于联邦交替方向乘子法的工业园区分层响应方法及系统在权利要求书中公布了:1.基于联邦交替方向乘子法的工业园区分层响应方法,其特征在于,包括以下步骤: 步骤S1:构建兼顾负荷聚合商及工业用户多主体利益且考虑工艺流程的工业园区分层响应模型,工业园区分层响应模型包括负荷聚合商层和工业用户层,负荷聚合商层以成本最小为目标优化用户级响应方案,工业用户层以额外收益最大为目标优化设备级响应方案;其中负荷聚合商层包括:负责工业园区的负荷聚合商平台和工业园区内参与响应项目的不同行业工业用户,工业用户层包括:不同行业工业用户具有可调负荷的工业设备; 步骤S2:基于工业园区分层响应模型,构建联邦交替方向乘子法分布式算法,通过对全局参数更新、传输信息加密和客户端迭代规则进行改进,以提高迭代过程的敏感数据保护和计算效率; 其中,基于交替方向乘子法和联邦学习原理提出联邦交替方向乘子法分布式算法; 建立联邦交替方向乘子法分布式算法,相应的增广拉格朗日函数定义如公式28所示: 28; 式中:表示客户端的增广拉格朗日函数,客户端为工业用户;表示问题整体的增广拉格朗日函数;表示客户端的模型参数;表示客户端的拉格朗日乘子;表示模型参数矩阵;表示拉格朗日乘子矩阵;表示客户端,表示模型参数,表示拉格朗日乘子;表示客户端的权重,表示各客户端的权重;表示客户端损失函数,表示损失函数;表示客户端的惩罚因子,表示惩罚因子,且;表示客户端总数; 联邦交替方向乘子法分布式算法以公式29所示迭代求解: 29; 式中:表示第次迭代的全局参数,表示迭代轮次;表示第次迭代的模型参数矩阵;表示第次迭代的拉格朗日乘子矩阵;表示客户端在第次迭代的模型参数;表示客户端在第次迭代的拉格朗日乘子;表示由客户端更新的本地参数;表示第k次迭代的拉格朗日乘子; 对联邦交替方向乘子法分布式算法进行改进: 步骤S201:设置参数,表示每迭代次进行通信一次;设置表示迭代轮次集合,当迭代次数时,中央服务器接收客户端发送的数据,选择合适的参数减少通信轮次,中央服务器为负荷聚合商; 步骤S202:设置阈值参数,表示实际接收数据的客户端个数,中央服务器接收前个客户端发送的数据后,不再等待其他客户端,即其他客户端在本次迭代中,不参与全局参数的更新; 步骤S203:在传输耦合参数时,客户端避免直接发送原始数据,改用加密的边界信息,增强对各主体敏感数据的保护; 步骤S3:通过联邦交替方向乘子法分布式算法求解工业园区分层响应模型,负荷聚合商层和工业用户层动态更新补偿价格直至收敛至最优解,得到兼顾负荷聚合商和工业用户利益的响应方案。
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天津大学;太原理工大学;国网江西省电力有限公司电力科学研究院;新疆大学,其通讯地址为:300000 天津市南开区卫津路92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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励