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！

龙图腾网获悉国网湖北省电力有限公司经济技术研究院申请的专利一种基于联邦强化学习算法的输配调频资源协同控制方法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：CN116054285B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211728739.5，技术领域涉及：H02J3/48；该发明授权一种基于联邦强化学习算法的输配调频资源协同控制方法是由陈然;许汉平;周蠡;蔡杰;贺兰菲;周英博;李吕满;张赵阳;廖晓红;熊一;孙利平;熊川羽设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种基于联邦强化学习算法的输配调频资源协同控制方法在说明书摘要公布了：一种基于联邦强化学习算法的输配调频资源协同控制方法，包括：将区域电网划分为一个主网片区和多个配网片区；在每个片区的调度中心设置一个智能体，为每个智能体建立一个对应的DQN神经网络模型；各智能体使用相应片区的数据对对应的DQN神经网络模型进行本地训练，对本地训练后的DQN神经网络模型的信息进行加密，并将加密信息上传聚合中心；聚合中心对加密信息进行梯度平均处理并回送给各智能体，各智能体利用梯度平均处理后的信息对本地训练后的DQN神经网络模型进行后续训练得到训练好的DQN神经网络模型，通过训练好的DQN神经网络模型获取区域电网中接受调度的每个机组的调频指令。本设计能保证区域电网安全高效运行和调频用户隐私安全。

本发明授权一种基于联邦强化学习算法的输配调频资源协同控制方法在权利要求书中公布了：1.一种基于联邦强化学习算法的输配调频资源协同控制方法，其特征在于： 所述控制方法包括如下步骤： S1、将区域电网划分为一个主网片区和多个配网片区； S2、在每个片区的调度中心设置一个智能体，为每个智能体建立一个对应的DQN神经网络模型； S3、各智能体分别使用相应片区的局部数据对对应的DQN神经网络模型进行本地训练，对本地训练后的DQN神经网络模型的信息进行同态加密，并将经过加密的信息上传聚合中心； S4、聚合中心对所有经过加密的信息进行梯度平均处理，并将梯度平均处理后的信息发送给各智能体，各智能体接收梯度平均处理后的信息，并根据梯度平均处理后的信息对对应的本地训练后的DQN神经网络模型进行后续训练，得到训练好的DQN神经网络模型，通过训练好的DQN神经网络模型获取接受调度的每个机组的调频指令； 所述步骤S3中，各智能体分别使用相应片区的局部数据对DQN神经网络模型进行本地训练时，根据马尔可夫决策过程设置每个智能体状态空间、动作空间及奖励函数； 设置z号智能体的状态空间具体包括： 将频率分配过程中决定频率响应总偏差的总频率调节指令的大小作为z号智能体的状态空间； 则z号智能体在t时刻的状态为； 设置z号智能体的动作空间具体包括： 设置z号智能体可决策的动作空间，z号智能体的所有控制行为均从动作空间中选取； z号智能体在t时刻的控制行为可表示为： 1； 式1中：为z号智能体控制的第o台火电机组在t时刻的有功出力；为z号智能体控制的第m台储能设备在t时刻的有功出力；为z号智能体控制的第n台风电机组在t时刻的有功出力；为z号智能体控制的第j个电动汽车群在t时刻的有功出力； 设置z号智能体的奖励函数具体包括： 设置环境对z号智能体的控制行为的奖励，以最小化调节功率指令值和功率响应值的偏差为目标，构造z号智能体的奖励函数： 2； 3； 式2-3中，为z号智能体在t时刻的奖励函数；Q为控制时段数量；q为z号智能体所对应的片区内的APC机组数量；i为z号智能体所对应的片区内的第i个APC机组；t为第t个离散控制周期；为z号智能体所对应的片区内的第i个APC机组的输入调节功率指令值；为z号智能体所对应的片区内的第i个APC机组的功率响应值； 通过折扣累计求和得到针对目标函数的价值函数： 4； 式4中，为对控制行为产生的所有累积奖励取均值；∈[0,1]，为折扣系数；为z号智能体的多个连续行为所对应的奖励函数的累积。

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湖北省电力有限公司经济技术研究院，其通讯地址为：430077 湖北省武汉市武昌区水果湖街徐东路47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。