Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中南大学夏子晴获国家专利权

中南大学夏子晴获国家专利权

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!

龙图腾网获悉中南大学申请的专利一种基于GNN辅助凸松弛验证的直流微电网最优潮流模型及其系统和存储器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:CN120638270B

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:202511124300.5,技术领域涉及:H02J1/00;该发明授权一种基于GNN辅助凸松弛验证的直流微电网最优潮流模型及其系统和存储器是由夏子晴;粟梅;柳张杰;冯辉;李晓阳;武悦;侯小超设计研发完成,并于2025-08-12向国家知识产权局提交的专利申请。

一种基于GNN辅助凸松弛验证的直流微电网最优潮流模型及其系统和存储器在说明书摘要公布了:本发明公开了一种基于GNN辅助凸松弛验证的直流微电网最优潮流模型及其系统和存储器。该模型包括:基于MPPT‑DGs和下垂控制建立分布式发电单元和恒功率负载的非凸潮流优化模型,采用SOCP结构对其进行精确凸松弛,再将微电网抽象为图模型,提取节点和边的结构与电气特征作为GNN输入,并集合SOCP结构松弛性,共同输入至AI‑Verifier模块,接着基于KKT条件并构建一致性同步项,形成分布式协调,然后引入物理引导的GCNs架构,快速收敛至全局最优解,并通过实验验证模型性能。基于上述模型所提供的含有计算机程序的系统,可有效解决现有技术当中集中式优化方法在大规模直流微电网中面临的通信数据包丢失、频繁故障和可靠性低等问题,实现直流微电网智能化优化控制。

本发明授权一种基于GNN辅助凸松弛验证的直流微电网最优潮流模型及其系统和存储器在权利要求书中公布了:1.一种基于GNN辅助凸松弛验证的直流微电网最优潮流模型,其特征在于,包括: 步骤S1、基于MPPT-DGs和下垂控制建立分布式发电单元Droop-DGs和恒功率负载CPLs的非凸潮流优化模型; 步骤S2、采用SOCP结构对步骤S1所得非凸潮流优化模型进行精确凸松弛,构建辅助变量Q并施加紧化约束,并使其最优解满足条件rankQ=1; 步骤S3、将微电网抽象为图模型,提取节点和边的结构与电气特征作为GNN输入,再集合SOCP结构松弛性,共同输入至AI-Verifier模块,完成模型松弛性的精度预测; 步骤S4、基于KKT条件并构建一致性同步项,形成基于邻接拉格朗日乘子一致性的模型的分布式协调; 步骤S5、引入物理引导的GCNs架构,在满足潮流物理约束的同时,快速收敛至全局最优解,并通过实验验证模型性能; 所述模型松弛性的精度预测的过程为: 步骤S3-1、将微电网抽象为图模型,利用导纳矩阵、负荷微源位置信息等作为GNNs模型的节点和边的物理含义和表征维度,利用图神经网络GraphConvolutionalNetwork,GCN从微电网的拓扑中提取空间信息,其中,微电网拓扑G的无权图描述为: 式9:; 步骤S3-2、分别定义节点和边的特征向量为: 式10:; 式11:; 步骤S3-3、基于微电网拓扑、节点特征向量和边特征向量的映射学习函数f描述模型松弛性的精度预测,其过程为: 式12:; 式13:; 式9~13中,G表示无权图,V表示由节点构成的集合,E表示由边构成的集合,表示节点的特征向量,分别表示电压幅值、MPPT-DGs的输出功率、CPLs消耗的功率以及节点类型,表示边的特征向量,为线路阻抗,代表各节点间的距离,为邻接矩阵,表示输电线路之间的连接状态,1表示连接,0表示未连接,表示未来时段内凸松弛模型的预测精确度。

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中南大学,其通讯地址为:410083 湖南省长沙市岳麓区麓山南路932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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。