買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉山東建筑大學(xué)申請(qǐng)的專利一種考慮不確定性的臺(tái)區(qū)儲(chǔ)能選址定容方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120372874B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510854692.4，技術(shù)領(lǐng)域涉及：G06F30/18；該發(fā)明授權(quán)一種考慮不確定性的臺(tái)區(qū)儲(chǔ)能選址定容方法及系統(tǒng)是由田崇翼;劉庚明;馬昕;張倩;馬翔雪;田長彬;彭勃;劉澈;張恩澤;趙文凱設(shè)計(jì)研發(fā)完成，并于2025-06-25向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種考慮不確定性的臺(tái)區(qū)儲(chǔ)能選址定容方法及系統(tǒng)在說明書摘要公布了：本發(fā)明涉及電力系統(tǒng)規(guī)劃與運(yùn)行技術(shù)領(lǐng)域，提出了一種考慮不確定性的臺(tái)區(qū)儲(chǔ)能選址定容方法及系統(tǒng)，通過引入深度強(qiáng)化學(xué)習(xí)與改進(jìn)的粒子群優(yōu)化算法協(xié)同優(yōu)化，結(jié)合條件生成對(duì)抗網(wǎng)絡(luò)模擬多種不確定性場(chǎng)景，并利用條件風(fēng)險(xiǎn)對(duì)電力系統(tǒng)運(yùn)行風(fēng)險(xiǎn)進(jìn)行量化評(píng)估，有效提升優(yōu)化算法的全局搜索能力與解的魯棒性。該方法實(shí)現(xiàn)了分布式儲(chǔ)能在臺(tái)區(qū)中的最優(yōu)選址與定容配置，顯著降低網(wǎng)損，增強(qiáng)系統(tǒng)的經(jīng)濟(jì)性與可靠性。

本發(fā)明授權(quán)一種考慮不確定性的臺(tái)區(qū)儲(chǔ)能選址定容方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種考慮不確定性的臺(tái)區(qū)儲(chǔ)能選址定容方法，其特征在于，包括如下步驟： 獲取臺(tái)區(qū)電力數(shù)據(jù)以及環(huán)境條件信息，并進(jìn)行預(yù)處理； 基于獲取的隨機(jī)擾動(dòng)噪聲和預(yù)處理后的環(huán)境條件信息，生成多個(gè)不確定性場(chǎng)景，包括分布式電源出力和負(fù)荷需求場(chǎng)景； 針對(duì)得到的不確定性場(chǎng)景進(jìn)行聚類； 基于聚類后的不確定性場(chǎng)景計(jì)算網(wǎng)損，以整個(gè)臺(tái)區(qū)的總網(wǎng)損和條件風(fēng)險(xiǎn)損失最小為目標(biāo)，構(gòu)建目標(biāo)函數(shù)； 采用改進(jìn)的粒子群優(yōu)化算法與深度強(qiáng)化學(xué)習(xí)策略協(xié)同的方法，在粒子群優(yōu)化算法迭代過程中，基于深度強(qiáng)化學(xué)習(xí)策略計(jì)算獎(jiǎng)勵(lì)，基于計(jì)算的獎(jiǎng)勵(lì)動(dòng)態(tài)調(diào)整粒子群優(yōu)化算法的適應(yīng)度函數(shù)，求解目標(biāo)函數(shù)得到最優(yōu)選址定容方案； 針對(duì)聚類后的場(chǎng)景，采用改進(jìn)的粒子群優(yōu)化算法與深度強(qiáng)化學(xué)習(xí)策略協(xié)同的方法，求解目標(biāo)函數(shù)得到最優(yōu)選址定容方案，包括如下步驟： 步驟51、初始化粒子群，隨機(jī)生成每個(gè)粒子的初始位置和速度，每個(gè)粒子的位置表示分布式儲(chǔ)能的一種選址和定容方案； 步驟52、基于當(dāng)前的粒子集合，采用深度強(qiáng)化學(xué)習(xí)策略，計(jì)算包含經(jīng)濟(jì)性、風(fēng)險(xiǎn)性、約束性的三維獎(jiǎng)勵(lì)函數(shù)RL； 步驟53、基于計(jì)算的獎(jiǎng)勵(lì)函數(shù)RL以及通過約束條件判斷結(jié)果得到的獎(jiǎng)勵(lì)懲罰項(xiàng)，計(jì)算每個(gè)粒子的適應(yīng)度值； 步驟54、基于得到的適應(yīng)度值，更新每個(gè)粒子的個(gè)體最優(yōu)位置和群體最優(yōu)位置； 步驟55、根據(jù)獎(jiǎng)勵(lì)函數(shù)RL和迭代次數(shù)更新慣性權(quán)重，更新粒子的速度和位置； 步驟56、對(duì)更新后的粒子進(jìn)行高斯變異操作，得到更新后的粒子，作為當(dāng)前粒子集合； 步驟57、判斷是否滿足終止條件，如果滿足則輸出最優(yōu)解，否則返回步驟52進(jìn)行下一輪迭代； 基于當(dāng)前的粒子集合，采用深度強(qiáng)化學(xué)習(xí)策略，計(jì)算包含經(jīng)濟(jì)性、風(fēng)險(xiǎn)性、約束性的三維獎(jiǎng)勵(lì)函數(shù)RL，包括如下步驟： 基于當(dāng)前的粒子集合，提取狀態(tài)空間參數(shù)，用于描述在當(dāng)前粒子集合場(chǎng)景下對(duì)應(yīng)的電網(wǎng)運(yùn)行環(huán)境； 基于當(dāng)前的粒子集合，提取動(dòng)作空間參數(shù)包括儲(chǔ)能選址和容量配置； 構(gòu)建包含經(jīng)濟(jì)性、風(fēng)險(xiǎn)性、約束性的三維獎(jiǎng)勵(lì)函數(shù)，公式如下： ； 其中，α、β、γ分別為經(jīng)濟(jì)性、風(fēng)險(xiǎn)性、約束性獎(jiǎng)勵(lì)的權(quán)重； 網(wǎng)損獎(jiǎng)勵(lì)項(xiàng)為： ； 其中，為聚類場(chǎng)景總數(shù)，為子場(chǎng)景s的概率，通過潮流計(jì)算獲取各場(chǎng)景網(wǎng)損，為第個(gè)場(chǎng)景下的臺(tái)區(qū)網(wǎng)損； 風(fēng)險(xiǎn)獎(jiǎng)勵(lì)項(xiàng)為： ； 其中，Ω為超閾值場(chǎng)景集合；為在設(shè)定置信水平下的最大可能網(wǎng)損； 約束獎(jiǎng)勵(lì)項(xiàng)為： ； 通過深度強(qiáng)化學(xué)習(xí)的策略網(wǎng)絡(luò)在狀態(tài)空間參數(shù)輸出對(duì)應(yīng)的動(dòng)作空間參數(shù)的概率分布，包括儲(chǔ)能選址和定容參數(shù)的概率； 以策略網(wǎng)絡(luò)的輸出作為深度強(qiáng)化學(xué)習(xí)的價(jià)值網(wǎng)絡(luò)的輸入，得到估算的真實(shí)價(jià)值作為RL獎(jiǎng)勵(lì)； 根據(jù)RL獎(jiǎng)勵(lì)動(dòng)態(tài)調(diào)整慣性權(quán)重，為當(dāng)前迭代的自適應(yīng)慣性權(quán)重增加調(diào)整系數(shù)，當(dāng)RL獎(jiǎng)勵(lì)高于設(shè)定值時(shí)，將自適應(yīng)慣性權(quán)重乘以第一調(diào)整系數(shù)，以使得慣性權(quán)重小于1以加速收斂；當(dāng)RL獎(jiǎng)勵(lì)不高于設(shè)定值時(shí)，增加設(shè)定的第二調(diào)整系數(shù)，以增大慣性權(quán)重，使得慣性權(quán)重大于1增強(qiáng)全局探索，其中，第一調(diào)整系數(shù)小于第二調(diào)整系數(shù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人山東建筑大學(xué)，其通訊地址為：250000 山東省濟(jì)南市歷城區(qū)臨港開發(fā)區(qū)鳳鳴路1000號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。