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！

龙图腾网获悉安徽大学申请的专利虚拟电厂参与的深度强化学习配电网负荷恢复方法及系统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：CN121076820B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511616358.1，技术领域涉及：H02J3/06；该发明授权虚拟电厂参与的深度强化学习配电网负荷恢复方法及系统是由张倩倩;张一帆;丁振桓;赵云波;康宇设计研发完成，并于2025-11-06向国家知识产权局提交的专利申请。

本虚拟电厂参与的深度强化学习配电网负荷恢复方法及系统在说明书摘要公布了：本发明公开了虚拟电厂参与的深度强化学习配电网负荷恢复方法及系统，涉及配电网调度与虚拟电厂协同控制技术领域，该方法首先采集虚拟电厂内分布式光伏、储能系统、可控负荷的资源数据，构建虚拟电厂可调能力模型；再通过聚类算法将配电网抽象为无向拓扑图并动态分区，为各区域分配专属智能体及对应虚拟电厂资源；搭建基于多智能体深度强化学习决策框架，采用中心化训练、分布式执行模式，结合电网与虚拟电厂资源状态输出动作决策，并设计多维度奖励函数；同时引入非关键动作屏蔽机制，通过故障掩码向量约束非故障区域智能体动作，减少干扰，实现虚拟电厂参与的多智能体负荷恢复。

本发明授权虚拟电厂参与的深度强化学习配电网负荷恢复方法及系统在权利要求书中公布了：1.虚拟电厂参与的深度强化学习配电网负荷恢复方法，其特征在于，该方法包括以下步骤： S1.虚拟电厂可调资源建模，根据资源数据构建虚拟电厂可调能力模型，将配电网负荷恢复过程建模为马尔可夫决策过程； S2.基于Leiden聚类算法的动态网络分区，分区完成后，为每个区域分配专用智能体，且区域内虚拟电厂资源划归对应智能体管理； S3.基于QMIX的多智能体深度强化学习决策框架构建：采用中心化训练、分布式执行模式构建多智能体决策系统； 多智能体决策系统包括各智能体的本地Q网络及中心化混合网络； 所述本地Q网络的输入为控制区域内的电网状态与虚拟电厂资源状态，其中电网状态包括节点电压、线路电流、开关状态，虚拟电厂资源状态包括储能单元的荷电状态、实时出力、可调功率； 所述本地Q网络的输出为开关操作动作与虚拟电厂资源调节动作，其中开关操作动作为对分段开关或联络线开关状态的调整，虚拟电厂资源调节动作为控制储能单元充放电、调节可控负荷功率； 所述中心化混合网络聚合所有智能体的本地Q值，并结合全网状态信息生成全局Q值，全网状态信息包括主网供电能力、跨区域功率流动；全局Q值需满足单调性约束，其中为第个智能体的本地Q值； 设计多维度奖励函数，表达式为，其中、、、为权重系数，为恢复负荷比例，为网损比例，为无效动作次数，为电压越限程度； S4.非关键动作屏蔽机制部署：在故障发生后生成故障掩码向量，并根据所述故障掩码向量对不同区域智能体的动作空间进行屏蔽控制； 非关键动作屏蔽机制部署详细过程如下：故障发生后，系统生成故障掩码向量，其中为智能体数量；若智能体所在区域为故障区域或受故障影响区域，设；若为非故障区域，设； 所述的故障区域智能体，不屏蔽其有效动作；对的非故障区域智能体，仅允许执行维持现有开关状态、储能常规充放电的中性动作； 多智能体深度强化学习算法的探索阶段，的智能体从有效动作空间中按概率采样动作，的智能体强制执行中性动作；在利用阶段，智能体从根据动态屏蔽后的动作空间中选择Q值最大的动作，即： ； 其中为智能体的本地观测，表示智能体选择的动作，表示在给定观测的情况下，执行动作后，智能体预期能获得的累积奖励； S5.多智能体负荷恢复系统运行。

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安徽大学，其通讯地址为：230601 安徽省合肥市蜀山区九龙路111号安徽大学；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。