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！

龙图腾网获悉国网江苏省电力有限公司;国网江苏省电力有限公司扬州供电分公司申请的专利考虑源荷不确定性的电力系统双层协同无功控制策略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：CN119231550B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202410997840.3，技术领域涉及：G06Q10/04；该发明授权考虑源荷不确定性的电力系统双层协同无功控制策略是由李杰;梁文腾;刘宇恒;朱健;李言;周楠;陈艳;薛钟兵设计研发完成，并于2024-07-24向国家知识产权局提交的专利申请。

本考虑源荷不确定性的电力系统双层协同无功控制策略在说明书摘要公布了：本发明涉及一种考虑源荷不确定性的电力系统双层协同无功控制策略，其包括以下步骤：步骤S1：建立配电网无功优化模型；步骤S2：对分布式光伏出力和负荷历史数据进行场景聚类并构建典型场景的概率分布不确定性集合；步骤S3：采用分布鲁棒优化方法，建立配电网两阶段分布鲁棒无功优化模型；步骤S4：采用列与约束生成column‑and‑constraintgeneration，CCG算法对各区域两阶段分布鲁棒无功优化模型求解；步骤S5：构建配电网分布式无功优化求解框架；步骤S6：采用自适应超松弛惩罚参数交替方向乘子法alternatingdirectionmethodofmultipliers，ADMM进行全局协调更新求解。本发明能够显著降低电能损耗，提高电力系统的经济性和稳定性。

本发明授权考虑源荷不确定性的电力系统双层协同无功控制策略在权利要求书中公布了：1.一种考虑源荷不确定性的电力系统双层协同无功控制策略，其特征在于：其包括以下步骤： 步骤S1：建立配电网无功优化模型； 步骤S2：采用K-means聚类算法对历史数据进行场景聚类，并基于KL散度构建概率不确定性集合； 步骤S3：采用分布鲁棒优化方法，建立配电网的两阶段分布鲁棒无功优化模型； 步骤S4：采用CCG算法对各区域两阶段分布鲁棒无功优化模型求解； 步骤S5：在配电网分布鲁棒无功优化模型的基础上，搭建配电网分布式无功优化求解框架； 步骤S6：采用自适应超松弛惩罚参数ADMM算法进行全局协调更新求解； 步骤S6中，包括如下： 1初始化；设置外层分布式无功优化的迭代次数k＝0；耦合支路全局变量耦合支路对偶变量耦合支路变量给定各区域初始惩罚参数ρ0的值以及收敛精度κ＝10-4；内层分布鲁棒无功优化上界UB＝+∞，下界LB＝-∞，迭代次数m＝1，收敛误差ε＝10-6； 2求解各区域分布鲁棒无功优化模型；建立各区域增广拉格朗日目标函数为： Ya,s＝{Ua,s,i,Ua,s,j,Pa,s,ij,Qa,s,ij,Ia,s,ij}36 式中：xa为区域a中配电网分布鲁棒无功优化第1阶段的决策变量，ya,s为区域a中场景s下配电网分布鲁棒无功优化第2阶段的决策变量，Ya,s为区域a中场景s下配电网耦合支路变量，是耦合支路全局变量，是耦合支路对偶变量，pa,s为区域a中场景s下的概率值，Ua,s,i表示支路电压，Pa,s,ij表示支路ij上的有功功率，Qa,s,ij表示支路ij上的无功功率，Ia,s,ij表示支路ij上的电流； 为第k次迭代时区域a中各耦合支路相关惩罚参数组成的向量；为加权范数的平方，即 3区域间信息交换和更新；各区域通过耦合支路交换耦合变量信息，利用式38-39更新各区域全局变量和对偶变量即 式中：为第k次迭代时区域a中耦合支路ij相关的惩罚参数值；为第k次迭代时区域a中耦合支路ij相关的辅助惩罚参数值，用于使以超松弛的方式进行更新； 4算法收敛判断；根据ADMM算法的原始残差和对偶残差构建收敛判据为： 式中：为第k次迭代时区域a在场景s下的原始残差；为第k次迭代时区域a在场景s下的对偶残差；当κk≤10-4时，算法收敛，输出配电网分布式无功最优控制策略；否则，继续步骤5； 5变量更新和返回；根据式43-44更新惩罚参数和辅助惩罚参数的值，更新k＝k+1，返回步骤2； 式中：η和μ2分别为惩罚参数和辅助惩罚参数的自适应调节系数；γ和μ1为惩罚参数和辅助惩罚参数更新判据系数。

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江苏省电力有限公司;国网江苏省电力有限公司扬州供电分公司，其通讯地址为：210024 江苏省南京市上海路215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”。