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！

龙图腾网获悉河海大学申请的专利基于双阶段扩散策略和多智能体强化学习的电动汽车低碳调度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：CN121543990B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610059239.9，技术领域涉及：G06Q10/0631；该发明授权基于双阶段扩散策略和多智能体强化学习的电动汽车低碳调度方法及系统是由臧海祥;孙祎;程礼临;周辰罡;蒋雨楠;赵勇凯;孙国强;刘璟璇;史学恒;卫志农设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本基于双阶段扩散策略和多智能体强化学习的电动汽车低碳调度方法及系统在说明书摘要公布了：本发明公开了一种基于双阶段扩散策略和多智能体强化学习的电动汽车低碳调度方法及系统。方法包括：构建配电网‑电动汽车联合环境模型；构建上游扩散建模阶段，通过扩散过程对电动汽车的充电需求、可用时间窗和状态估计进行噪声扰动与概率建模，并对碳强度简化估计与预测；引入多智能体数据共享机制完成多源数据融合；基于双阶段扩散策略构建强化学习训练框架，训练获得电网低碳调度策略网络；生成最终的电动汽车低碳调度决策。本发明在多智能体强化学习框架上叠加双阶段扩散策略，既能捕获大规模电动汽车充电行为和碳强度的随机性，又能降低策略更新的方差，避免碳‑能耦合估计复杂度带来的不稳定性；提升配电网调控性能与碳排放优化效果。

本发明授权基于双阶段扩散策略和多智能体强化学习的电动汽车低碳调度方法及系统在权利要求书中公布了：1.一种基于双阶段扩散策略和多智能体强化学习的电动汽车低碳调度方法，其特征在于，所述方法包括以下步骤： 构建配电网-电动汽车联合环境模型，所述配电网-电动汽车联合环境为基于配电网潮流、碳强度、电价及车辆状态构建的虚拟仿真环境，用于与多智能体强化学习模型交互以获取训练数据，环境接收强化学习模型策略网络输出的充放电动作，根据当前系统状态计算本次动作的奖励，并返回奖励及下一时刻的系统状态数据；所述构建配电网-电动汽车联合环境模型，包括：根据任务和系统的要求设计奖励函数、状态量与动作量，状态数据反映电动汽车与配电网的运行特性，奖励函数决定策略网络训练的优化方向与任务，在低碳调度目标下，所述奖励函数通过协调电价、碳强度以及各车辆的充放电行为，最小化系统的碳排放与运行成本；所述奖励函数计算方式为： ； 其中，表示第辆电动汽车，表示离散时间步，E代表电能、电价相关项；表示第辆电动汽车在时刻的综合奖励函数值，由电能成本项、碳排放成本项及充放电平衡惩罚项共同构成，表示电动汽车在时刻的电能成本项，其中为时刻的电价信号，为表示第辆电动汽车在时刻的充电功率；表示碳排放成本项，其中为时刻的碳强度或碳价格信号，为单位电能对应的碳排放系数，表示第辆电动汽车在时刻的放电功率；为充放电功率平衡惩罚项，其中为惩罚系数，用于约束充放电行为的合理性；与分别表示电动汽车在时刻的实际放电功率与期望放电参考功率，该项用于抑制过度放电或异常调度行为； 利用扩散模型，通过扩散过程对电动汽车的充放电功率需求、有效调度时间窗和电池荷电状态演化轨迹作为扩散随机状态进行噪声扰动与概率建模，碳强度信号不参与正向扩散的随机扰动过程，而是在反向去噪与策略优化阶段作为条件输入引入，实现充放电功率决策与碳强度信号分离建模，得到表达不确定性的概率先验分布； 建立多智能体数据共享机制，利用多智能体共享的动作-价值评估数据，生成一个稳健的初始预测动作； 基于双阶段扩散策略构建强化学习训练框架，将上游扩散阶段的概率输出作为下游策略优化的输入约束，利用多智能体强化学习结构开展策略训练，获得电网低碳调度策略网络；所述多智能体强化学习结构中，每一辆电动汽车均作为一个独立智能体，各智能体共享同一套扩散-强化学习结构，但根据各自的状态、动作与时间嵌入独立计算奖励与价值函数，所述强化学习采用两级层次化价值评估结构，第一级为即时奖励层，反映电动汽车在当前时刻的运行收益；第二级为跨时序累积奖励层，用于刻画当前决策对未来状态演化与长期性能的影响； 根据训练后的策略网络，结合系统运行的实时状态，生成最终的电动汽车低碳调度决策，包括充电放电功率、时段选择及节点间协调行为，实现配电网-电动汽车协同调度。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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。