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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣東電網(wǎng)有限責(zé)任公司申請的專利基于輕量型靈敏度的配電網(wǎng)邊緣側(cè)多模態(tài)自適應(yīng)控制方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115793456B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05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?zhí)?專利號為：202211508800.5，技術(shù)領(lǐng)域涉及：G05B13/04；該發(fā)明授權(quán)基于輕量型靈敏度的配電網(wǎng)邊緣側(cè)多模態(tài)自適應(yīng)控制方法是由朱泰鵬;梁盈威;代昊琦;劉竹青;蘇華權(quán);馮歆堯;張子麒;李鵬;冀浩然設(shè)計研發(fā)完成，并于2022-11-29向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于輕量型靈敏度的配電網(wǎng)邊緣側(cè)多模態(tài)自適應(yīng)控制方法在說明書摘要公布了：本發(fā)明的基于輕量型靈敏度的配電網(wǎng)邊緣側(cè)多模態(tài)自適應(yīng)控制方法，立足于解決網(wǎng)絡(luò)參數(shù)不可知或不準(zhǔn)確情況下的配電網(wǎng)多模態(tài)自適應(yīng)控制問題。本發(fā)明通過對歷史數(shù)據(jù)的有效提煉，可以準(zhǔn)確模擬配電網(wǎng)全局靈敏度，并利用配電網(wǎng)全局靈敏度在邊緣側(cè)構(gòu)建多模態(tài)自適應(yīng)優(yōu)化控制模型，有效避免了網(wǎng)絡(luò)參數(shù)不可知或不準(zhǔn)確情況下配電網(wǎng)運行約束無法建立的問題，同時，通過構(gòu)建多元模態(tài)選擇目標(biāo)函數(shù)，可以實現(xiàn)配電網(wǎng)邊緣側(cè)運行控制模態(tài)的自適應(yīng)選擇，突出了不同模態(tài)的控制效果差異，提升配電網(wǎng)邊緣側(cè)運行控制的靈活性，促進配電網(wǎng)網(wǎng)絡(luò)損耗降低、電壓偏差減小、線路負(fù)載均衡，支撐高比例分布式電源接入下配電網(wǎng)邊緣側(cè)的靈活經(jīng)濟運行。

本發(fā)明授權(quán)基于輕量型靈敏度的配電網(wǎng)邊緣側(cè)多模態(tài)自適應(yīng)控制方法在權(quán)利要求書中公布了：1.一種基于輕量型靈敏度的配電網(wǎng)邊緣側(cè)多模態(tài)自適應(yīng)控制方法，其特征在于，包括如下步驟： 1根據(jù)選定的配電網(wǎng)，劃分各邊緣計算裝置的所轄區(qū)域并輸入配電網(wǎng)參數(shù)；輸入配電網(wǎng)Nd個典型日的歷史潮流數(shù)據(jù)；設(shè)置訓(xùn)練樣本的采樣總時長ΔT、采樣時間間隔Δt；設(shè)置雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)，包括學(xué)習(xí)率γ、正則化系數(shù)β、完整遍歷訓(xùn)練集的次數(shù)E； 2依據(jù)步驟1中的配電網(wǎng)Nd個典型日的歷史潮流數(shù)據(jù)，在云端構(gòu)建雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練集，完成雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，基于訓(xùn)練后的雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型生成輕量型靈敏度曲線；所述的雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型表示為： Fθ+1＝σKθFθ+bθ9 σx＝sigmoidx＝11+e-x10式中，Hθ+1為雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型的通道1第θ+1層隱藏層的輸出；Hθ為雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型的通道1第θ層隱藏層的輸出；A為拓?fù)湫畔⒕仃嚕瑸闅w一化拓?fù)湫畔⒕仃嚕琁N為N階單位矩陣，N為配電網(wǎng)節(jié)點總數(shù)，N為配電網(wǎng)節(jié)點總數(shù)；為對角陣，為矩陣的對角線元素，為歸一化拓?fù)湫畔⒕仃嚨趇行第j列元素；Wθ為雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型的通道1第θ層的權(quán)重矩陣；Fθ+1為雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型的通道2第θ+1層隱藏層的輸出；Fθ為雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型的通道2第θ層隱藏層的輸出；Kθ為雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型的通道2第θ層的權(quán)重矩陣；bθ為雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型的通道2第θ層的偏置矩陣；σ·為非線性激活函數(shù)，sigmoid·為雙曲正弦激活函數(shù)； 雙通道圖卷積神經(jīng)網(wǎng)絡(luò)模型以有監(jiān)督的方式進行訓(xùn)練，并以均方誤差作為損失函數(shù)衡量擬合誤差，表示為： 式中，和分別為第n個訓(xùn)練樣本第i行第k列輸出特征的擬合值和真實值，NC為訓(xùn)練樣本個數(shù)；N為配電網(wǎng)節(jié)點總數(shù)；O為輸出特征個數(shù)； 3將步驟2中輕量型靈敏度曲線下發(fā)至配電網(wǎng)各邊緣側(cè)的邊緣計算裝置，構(gòu)建靈敏度分段線性化約束；所述的靈敏度分段線性化約束，是指對輕量型靈敏度曲線進行簡化，表示為： αb≤βb+βb-1,b＝2,3,…,B-1 0≤αb≤1,βb∈{0,1} 式中，ρ表示節(jié)點有功功率P或節(jié)點無功功率Q，Δρ為功率變化值；表示功率ρ的分段線性化靈敏度函數(shù)的數(shù)學(xué)表達，ρb為分段線性化靈敏度函數(shù)第b個轉(zhuǎn)折點，fρρb為真實靈敏度函數(shù)在分段點ρb處的取值；αb、βb為輔助變量；b為轉(zhuǎn)折點索引，B為轉(zhuǎn)折點總數(shù)； 4在配電網(wǎng)各邊緣側(cè)建立基于輕量型靈敏度的配電網(wǎng)邊緣側(cè)多模態(tài)自適應(yīng)控制模型，包括：設(shè)定配電網(wǎng)邊緣側(cè)運行模態(tài)提升效果最大為目標(biāo)函數(shù)，分別考慮靈敏度分段線性化約束、配電網(wǎng)安全運行約束、分布式電源運行約束； 5對步驟4得到的基于輕量型靈敏度的配電網(wǎng)邊緣側(cè)多模態(tài)自適應(yīng)控制模型進行求解，輸出求解結(jié)果，包括：配電網(wǎng)邊緣側(cè)區(qū)域的控制模態(tài)、各分布式電源的運行控制策略。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣東電網(wǎng)有限責(zé)任公司，其通訊地址為：510060 廣東省廣州市越秀區(qū)東風(fēng)東路757號；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)”。