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！

龙图腾网获悉福建师范大学申请的专利一种基于斯塔克伯格博弈的电动汽车充电调度优化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：CN121076909B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511605541.1，技术领域涉及：H02J3/32；该发明授权一种基于斯塔克伯格博弈的电动汽车充电调度优化方法是由林兵;陈翌鸣;陈愉;刘京灵设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本一种基于斯塔克伯格博弈的电动汽车充电调度优化方法在说明书摘要公布了：本发明公开了一种基于斯塔克伯格博弈的电动汽车充电调度优化方法，包括：构建光储充电站的系统模型，定义能量管理策略；将光储充电站与多个电动汽车之间的互动关系建模为斯塔克伯格马尔可夫博弈；为领导者智能体和每个跟随者智能体构建智能体网络；每一时间步由领导者智能体先行制定充电价格与储能调度策略并广播，各跟随者智能体据此并行决策各自的充电功率；所有智能体执行动作后，将经验数据存储于本地经验回放池中；各智能体采样经验数据更新智能体网络；直至所有智能体的策略收敛，获得最优的充电站动态充电价格与储能调度策略以及电动汽车的最优充电策略，实现光储充电站运营收益的最大化。本发明可以实现光储充电站的运营收益最大化。

本发明授权一种基于斯塔克伯格博弈的电动汽车充电调度优化方法在权利要求书中公布了：1.一种基于斯塔克伯格博弈的电动汽车充电调度优化方法，其特征在于，包括如下步骤： 步骤1、构建光储充电站的系统模型，并定义系统模型内部的能量管理策略实现光储充电站与多个电动汽车之间的互动； 步骤2、将所述光储充电站与多个电动汽车之间的互动关系建模为斯塔克伯格马尔可夫博弈，所述光储充电站作为领导者智能体，每个所述电动汽车作为跟随者智能体；所述斯塔克伯格马尔可夫博弈被形式化定义为元组，其具体组成部分如下： 1博弈的参与者集合为，其中，代表唯一的领导者智能体，即光储充电站；代表第个跟随者智能体，即电动汽车；，i表示跟随者智能体的索引且i为正整数，M表示跟随者智能体的总数； 2决策顺序S为领导者智能体首先行动，根据其状态从其动作空间中选择并公布其动作，接着所有跟随者智能体在观测到领导者智能体的动作后，同时且独立地根据各自的状态从其动作空间中选择各自的最优动作; 3动作空间A中，领导者智能体的动作空间是一个由充电价格和储能系统的充放电功率构成的紧集；每个跟随者智能体的动作空间是一个由充电功率构成的紧集； 4效用函数U中，具体如下： 每个跟随者智能体的效用函数为，其优化问题为： ； 领导者智能体的效用函数为，其中，每个跟随者智能体i的动作优化问题都至少存在一个最优解，故效用函数的优化问题为： 其中，表示每个跟随者智能体i的动作对应的最优解，是跟随者智能体的最优反应集合，定义为: ； 其中，对于任意都是一个非空集合； 5T表示时间的集合，对于每个决策阶段的时刻t，t∈T； 步骤3、为领导者智能体和每个跟随者智能体分别构建各自独立的智能体网络，每个智能体网络包括主Actor网络、两个主Critic网络及对应的目标网络； 步骤4、在训练过程中，每一时间步由领导者智能体先行制定充电价格与储能调度策略并广播，随后各跟随者智能体据此并行决策各自的充电功率； 步骤5、所有智能体执行动作后，将各自的交互经验数据存储于其独立的本地经验回放池中； 步骤6、各智能体基于时序差分误差的优先级，从本地经验回放池中采样经验数据，并利用采样的经验数据更新主Critic网络、主Actor网络和目标网络； 步骤7、重复执行步骤4至步骤6，直至所有智能体的策略收敛，获得最优的充电站动态充电价格与储能调度策略以及电动汽车的最优充电策略，实现光储充电站运营收益的最大化。

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福建师范大学，其通讯地址为：350000 福建省福州市仓山区上三路8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。