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！

龙图腾网获悉大连理工大学申请的专利一种多智能体强化学习驱动的梯级水电随机智能调度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：CN120931430B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511449195.2，技术领域涉及：G06Q50/06；该发明授权一种多智能体强化学习驱动的梯级水电随机智能调度方法是由程春田;王淇葆;赵志鹏;程楚伦设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本一种多智能体强化学习驱动的梯级水电随机智能调度方法在说明书摘要公布了：本发明属于水电调度运行领域，涉及一种多智能体强化学习驱动的梯级水电随机智能调度方法。步骤包括：步骤一：采用蒙特卡洛前向模拟生成多组径流随机场景；步骤二：基于场景法构建以发电效益最大化为目标的两阶段随机优化模型；步骤三：梯级水电空间维度单智能体强化学习建模；步骤四：梯级水电单智能体求解在时间维度上分解出的两时段子问题；步骤五：提出梯级水电多智能体强化学习逐步优化算法MARL‑POA，部署具有不同策略的强化学习智能体协同优化调度；步骤六：随着可用信息的更新，获得滚动时域梯级水电调度方案。本发明进行了梯级水电优化的时空降维，有效降低计算规模，能够在径流预报不确定下快速动态制定可靠的梯级水电运行计划。

本发明授权一种多智能体强化学习驱动的梯级水电随机智能调度方法在权利要求书中公布了：1.一种多智能体强化学习驱动的梯级水电随机智能调度方法，其特征在于，具体步骤如下： 步骤一：建立季节性差分自回归滑动平均模型SARIMAX，采用蒙特卡洛前向模拟生成多组径流随机场景，通过k-means聚类划分为若干代表性场景； 步骤二：基于场景法构建以发电效益最大化为目标的两阶段随机优化模型； 所述步骤二中的场景法是使用一组概率径流预测场景来确定实际的随机性径流；发电效益目标为调度期内首月发电量与剩余月份所有代表性场景的期望发电量之和；所述两阶段随机优化中第一阶段为径流预报预见期起始后的第一个月，第二阶段为预见期内除第一月之外的所有剩余月份； 步骤三：进行梯级水电空间维度单智能体强化学习建模； 所述步骤三中的梯级水电空间维度单智能体强化学习建模是在梯级空间维度上将优化问题建模为马尔可夫决策过程，确定强化学习模型的状态空间、动作空间、奖励和策略函数； 步骤四：在步骤三单智能体强化学习建模的基础上，结合Q学习算法，使用梯级水电单智能体求解在时间维度上分解出的两时段子问题； 步骤五：提出梯级水电多智能体强化学习逐步优化算法MARL-POA，部署具有不同策略的强化学习智能体协同优化调度； 步骤五中梯级水电多智能体强化学习逐步优化算法MARL-POA的具体步骤如下： 5.1设置梯级水电站总调度时段数，非均匀动作空间离散参数和，算法收敛精度，预报个径流场景； 5.2通过等流量法得到初始的梯级水库调度水位及相应的出库流量序列；初始决策过程总发电量为； 5.3设置； 5.4设置； 5.5进行第一阶段计算，第个径流场景固定除第时段末以外的所有水位序列，从上一轮优化获取第个径流场景第时段梯级水库的出库流量序列，为水电站序号，为梯级水电系统中水电站的数量；若为第一轮优化则获取初始的出库流量序列，第个强化学习智能体与当前场景第和时段梯级水电系统交互，第座水电站以流量序列中的作为中心点进行非均匀离散得到智能体动作空间，奖励为第时段选择动作时的水电站两时段发电量，两时段发电量按照下式进行计算： ； 式中：为第座水库时段初库容与时段末库容之差；为第径流场景第座水电站时段的发电流量；为第径流场景第座水电站时段的平均净水头；为每一时段的时间； 该智能体探索结束后，更新第个径流场景第时段末梯级水电系统的水位序列和第个径流场景和时段的出库流量序列，进行第5.6步； 5.6令，若，进行第5.7步；否则，返回第5.5步； 5.7令，若，进行第5.8步；否则，返回第5.4步； 5.8进行第二阶段计算，固定除第1时段末以外的所有水位序列，获取不同径流场景第2时段末的水位及相应场景出现的概率，代表第个径流场景的发生概率，获取上一轮优化第1时段的出库流量序列，若为第1轮优化，则获取初始的出库流量序列，第1个强化学习智能体与梯级水电系统第1和2时段环境交互，第座水电站以流量序列中的作为中心点进行非均匀离散得到智能体动作空间；奖励为选择动作时，按照不同径流场景出现概率加权求和后的发电量，发电量按照下式进行计算： ; 式中：为第座水库第1时段初库容与第个径流场景第2时段末库容之差；分别为第径流场景中第座水电站第2时段的出库流量、平均净水头和区间流量；分别为第座水电站第1时段的出库流量、平均净水头和区间流量； 该智能体探索结束后，更新第1时段末梯级水电系统的水位序列，更新第1时段唯一径流场景的出库流量序列和第2时段个径流场景的出库流量矩阵，进行第5.9步；其中，为第2时段第个径流场景的梯级出库流量序列； 5.9计算得到个时段内的总发电量，若，则认为算法收敛，输出每座水电站的水位过程曲线及相应的逐时段发电流量，否则，令，返回到第5.3步进行下一轮优化； 步骤六：随着可用信息的更新，获得滚动时域梯级水电调度方案。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。