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！

龙图腾网获悉南京师范大学申请的专利基于铜基复合相变材料光伏储能与冷却相耦合系统及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：CN120016949B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510172617.X，技术领域涉及：H02S40/42；该发明授权基于铜基复合相变材料光伏储能与冷却相耦合系统及方法是由查翊宸;施建平;吕卓沛;杨继全;吴逸飞设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本基于铜基复合相变材料光伏储能与冷却相耦合系统及方法在说明书摘要公布了：基于铜基复合相变材料光伏储能与冷却相耦合系统及方法，涵盖发电、冷却蓄能、能量转化等模块。白天，太阳能光伏板发热，铜基复合相变材料吸热储能并冷却光伏板；夜晚，相变材料放热，热电材料将热能转化为电能。系统运用深度强化学习的DDPG算法优化运行。状态空间包含太阳能光伏板温度、相变材料温度等参数，动作空间涉及控制冷却蓄能、能量转化等操作。奖励函数综合效率、储能、电能输出和稳定性多方面进行设计。通过构建策略网络和价值网络，系统能根据环境变化做出决策。从经验回放缓冲区抽取数据更新网络参数，使系统自适应调整。该系统不仅解决了光伏板高温和夜间发电问题，还利用算法提升了能源利用效率，在性能上远超传统光伏系统。

本发明授权基于铜基复合相变材料光伏储能与冷却相耦合系统及方法在权利要求书中公布了：1.基于铜基复合相变材料的光伏储能与冷却相耦合的系统的控制方法，基于铜基复合相变材料光伏储能与冷却相耦合系统，包括铜基复合相变材料2和铝合金支架3的冷却与蓄能模块；安装在最上方的太阳能光伏板1的发电模块；安装在下方的热电材料4的能量转化模块，以及最下方由不锈钢支架6组成的支撑模块、能量收集与逆变系统7模块和外接导线5组成的电能传导模块，将太阳能光伏板1与铜基复合相变材料2、铝合金支架3和热电材料4从上至下相互紧靠，所述能量收集与逆变系统7由电能采集模块、控制单元与逆变电路组成，其特征在于：具体步骤如下： 首先定义状态空间、动作空间和奖励函数便于算法的实施： 状态空间： 状态空间涵盖了多个对系统性能有重要影响的参数：太阳能板温度、铜基复合相变材料温度、相变材料的相变程度、热电材料上下表面的温度差、当前储能电量、电网实时电价以及光照强度，这些参数共同构成了状态向量， 1 全面反映了系统的运行状态在某一时刻的表现； 动作空间： 动作空间定义了系统可采取的操作集合，包括控制相变材料冷却与蓄能模块的操作，调整散热装置的工作强度，其范围为；控制热电材料能量转化模块的操作，调节热电材料与相变材料、散热环境之间的热传导效率，范围是；以及对电能传导模块的操作，决定电能输出功率，范围为和输出时机，因此，动作向量可表示为 2 奖励函数： 总奖励包括效率、储能、电能输出、稳定性这四种分奖励； 效率奖励为： =,3 其中表示光电转换效率的变化，当相变材料有效工作导致光电转换效率提高时，0，为相应的权重系数； 储能奖励为： 4 其中和分别表示当前和上一时刻的储能电量，表示能量存储过程中的损失，和是权重系数，当储能效果好时0； 电能输出奖励为； 5 其中和是权重系数，此函数综合考虑了输出电能的经济效益和输出功率的稳定性，在电价高时输出电能且功率稳定会获得更高的奖励； 稳定性奖励为； 6 其中表示系统的各项关键参数，表示参数的数量，该奖励旨在使系统参数保持稳定，是权重系数； 从而可以计算总奖励函数为 7 接着，具体实施算法，包括如下步骤： 步骤一、进行算法初始化： 先构建策略网络和价值网络，策略网络的任务是根据输入的状态信息生成动作，而价值网络则是评估当前状态-动作对的价值，这些网络包括输入层、多个隐藏层和输出层，输入层接收状态向量，输出层则输出相应的动作或价值评估结果； 再设立初始化网络的参数和，这些参数随机生成，但要确保网络的输出范围符合动作空间和价值评估的范围要求； 同时初始化其他参数，经验回放缓冲区D被创建，其容量为N，用于存储智能体与环境交互过程中的经验元组: 8 这有助于打破样本之间的相关性，提高学习的稳定性； 步骤二、将算法与环境交互并执行动作: 传感器将收集到的系统状态信息传递给智能体，形成状态向量，智能体将输入策略网络，得到动作向量: 9 动作向量包含对系统不同模块的控制指令，对散热装置工作强度的调整，对热电材料热传导效率的调节，以及电能输出功率的控制，这些动作会被转化为具体的控制信号发送给相应的执行机构； 执行动作后，系统状态会发生改变，新的状态会被传感器采集，同时系统会根据新状态计算出相应的奖励，如果系统的光电转换效率提升，会根据相应公式计算出正向的效率奖励；如果储能电量增加且能量损失小，会得到正向的储能奖励； 步骤三、利用算法进行学习更新: 首先从经验回放缓冲区D中随机抽取一批大小为m的经验元组，记为， 计算目标价值： 对于每个经验元组，根据贝尔曼方程计算目标价值: 10 基于当前获得的奖励和下一个状态的期望价值估计当前状态-动作对的目标价值； 接着更新价值网络，通过最小化时序差分误差，即 11 来更新价值网络的参数，这使得价值网络能够更准确地评估状态-动作对的价值， 最后更新策略网络，根据确定性策略梯度算法更新策略网络的参数，即 12 促使策略网络生成的动作能够在长期内获得更高的累积奖励。

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南京师范大学，其通讯地址为：210000 江苏省南京市鼓楼区宁海路122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。