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！

龙图腾网获悉哈尔滨工业大学申请的专利一种强化学习-一致性理论联合的风光氢储微电网调控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：CN120914886B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511180907.5，技术领域涉及：H02J3/38；该发明授权一种强化学习-一致性理论联合的风光氢储微电网调控方法是由徐英;李展飞;杨祥瑞;涂正宏;仪忠凯设计研发完成，并于2025-08-21向国家知识产权局提交的专利申请。

本一种强化学习-一致性理论联合的风光氢储微电网调控方法在说明书摘要公布了：本发明公开一种强化学习‑一致性理论联合的风光氢储微电网调控方法，属于新能源与微电网调控技术领域。该方法先建立涵盖电化学、热力学及传质过程的微电网模型，包含风光发电设备、电解槽等；再以运行成本最小化和产氢最大化为目标，结合设备安全约束设计优化调控模型；通过基于梯度补偿的改进一致性算法动态分配电解槽功率、均衡储氢罐状态，采用改进TD3的深度强化学习算法协同多设备，形成分层调控架构。本发明提升新能源消纳率与系统可靠性、经济性，为绿电制氢工程提供智能化调控支撑。

本发明授权一种强化学习-一致性理论联合的风光氢储微电网调控方法在权利要求书中公布了：1.一种强化学习-一致性理论联合的风光氢储微电网调控方法，其特征在于，包括以下步骤： 步骤一：建立风光氢储微电网的模型，所述模型涵盖电化学过程模型、热力学过程模型及传质过程模型，所述风光氢储微电网包括风力发电设备、光伏发电设备、电解槽、储氢罐、燃料电池及储能设备； 其中，电化学过程模型包括：碱性电解槽堆栈的电压等于可逆电压、欧姆损耗、活化损耗和扩散损耗的总和，其表达式为： 1 式中，为堆栈内碱性电解槽的串联个数；为单个电解槽的电压；为可逆电压；为欧姆损耗；为活化损耗；为扩散损耗； 可逆电压由Nernst方程得出： 2 式中，为每个氢分子转移的电子数，取2；为法拉第常数；为普适气体常数；为工作压力；为工作温度，单位：℃；为标准压力下的随温度变化的可逆电压；为电解溶液的蒸汽压；为电解液中的水活度； 欧姆损耗如下式所示： 3 式中，为电解槽电极表面积；和为经验参数，模拟了电阻值随温度的增加，为电解槽电流； 活化损耗是由阳极和阴极上发生的氧化还原反应造成的，电极中电流和活化过电压之间的关系在高活化电压情况下覆盖整个电流过程的近似公式为： 4 5 6 式中，、、、、、、、、、、、均为经验参数，体现了阳极和阴极电流源的电流与活化过电压之间的依赖关系； 扩散损耗：由于碱性电解槽的工作电流密度相对较低，其影响忽略不计，因此在本模型中其未包含， 由此得出，所述的碱性电解槽的总消耗功率为： 7 式中，和分别为第组电解槽堆栈的工作电流和工作电压； 所述的热力学过程数学模型，包括： 电解槽整体热平衡表达式为： 8 式中，左侧项描述了电解槽温度随时间的变化，它取决于总热容；为内部产生的热量，是电解槽输入的电功率以热量损失的部分，当电解槽的电能输入超过热力学能量需求时，会产生热量，其表达式为： 9 10 11 12 式中，为热中性电压；为由法拉第电解定律计算所得的焓电压；在实际电解过程中，存在，其中，为每电解1mol氢气产生的水蒸气摩尔数；为在工作温度和压力下，电解液生成的水蒸气的摩尔焓；为标准条件下液态水的摩尔焓；、、由实验获得经验参数； 只考虑电解槽整体表面与环境之间的热传递过程，其表达式为： 13 式中，为对流-辐射换热系数；是电解槽小室堆叠的外表面；是两个气体分离器的总外表面；是环境温度； 为通过冷却水带走的热量，其表达式为： 14 式中，为冷却水的热容；和分别为冷却水的入口温度和出口温度冷却水入口温度是已知且保持恒定的，出口温度由以下公式求得： 15 16 式中，为通过经验公式得到的换热器传热系数；和分别表示传导换热系数和对流换热系数； 与离开系统的物质及加水损失有关，该值远小于其他值，因此故忽略此项； 传质过程的数学模型包括： 根据法拉第定律，电极上生成的氢气的摩尔流速与阴极的活化电流相关： 17 式中，表示法拉第效率，定义为实际产生的气体流量与理论流量的比值，由寄生电流损失引起；和分别为阴极和阳极的活化电流； 电解槽的分离器中的溶解物质会发生相互扩散，通过分离器的摩尔流速的表达式为： 18 式中，为氢气的分子扩散系数；、和分别为分离器的厚度、孔隙率和曲折度；为电解槽小室表面积；、分别为阴极和阳极的氢气摩尔浓度； 在电解槽内的分离器之间安装设备用来平衡电化学反应过程中消耗生成的OH-电荷，通过混合管转移到对侧分离器的氢气的流速表示为进入其原分离器的净流量的一部分，其表达式为： 19 其中，根据电流、温度和压力定义和的经验表达式为： 20 最后，得到电解槽出口可用的氢气流量的表达式为： 21 氢气由电解槽产出后，进入储氢罐存储，储氢罐储氢压强的表达式为： 22 23 式中，为储氢罐储氢量；为储氢罐时刻的储氢量；为从储氢罐流出的氢气使用流速；为储氢罐压强；为储氢罐温度，单位：K；为储氢罐体积； 步骤二：以微电网运行成本最小化、产氢最大化为优化目标，考虑设备安全运行边界约束，设计风光氢储微电网的优化调控模型，所述约束包括功率平衡约束、电解槽的工作功率约束、工作温度约束、爬坡功率约束，燃料电池的输出功率约束、爬坡功率约束，储氢罐的储氢状态约束； 其中，风光氢储微电网模型的控制变量向量和状态变量向量分别表示为： 24 其中，为m个碱性电解槽的电流参考值，为燃料电池功率参考值；，，分别为电池储能，若干个风光场站和常规电负荷以及m个碱性电解槽的当前功率值；为m个电解槽的内部温度；为m个储氢罐内部存氢状态；，分别为电解槽的产氢速率和储氢罐流出用于燃料电池发电的氢气速率； 所述微电网运行成本最小化目标函数满足： 25 其中，和是折扣因子和软更新率，、和分别为电解槽、燃料电池和储能的成本系数； 所述产氢最大化目标函数满足： 26 得到，定义的目标函数： 27 式中，和是为两个优化目标自行设定的权重系数； 微电网通过电解槽追踪风光功率波动，燃料电池辅助调节，剩余功率误差由储能平衡，功率平衡约束满足： 28 电解槽在实时控制阶段，电解槽相关状态有工作功率约束、工作温度约束及爬坡功率约束满足： 29 30 31 式中，和分别表示电解槽正常工作功率的最小值和最大值；和分别表示电解槽内部温度的最小值和最大值；表示电解槽的爬坡速率上限；燃料电池相关状态有输出功率约束及爬坡功率约束满足： 32 33 式中，和分别表示燃料电池正常工作功率的最小值和最大值；表示电解槽的爬坡速率上限； 储氢罐包含储氢状态约束满足： 34 式中，和分别表示储氢罐的安全储氢状态的最小值和最大值； 其中，风光氢储微电网的优化调控模型的控制器设计为学习智能体，其通过在离散的时间步长中顺序选择动作来响应随机环境，构造成一个具有状态空间𝑆和动作空间𝑈的马尔可夫决策过程，在每个时间步，深度强化学习智能体观测到当前状态，选择一个控制动作，该动作在系统中执行后，系统状态将转移至，此处，动作对应于控制系统在时刻的控制输入向量，为求解此优化问题，需采用确定性策略，记作，对于确定性策略，从时间起的总折扣奖励的表达式为： 35 下式为式35中目标函数值函数值的离散形式，其状态值函数等于其动作值函数： 36 其中，策略满足； 针对风光氢储微电网的调控，其目标在于求解一个最优控制律以最大化累积折扣奖励； 由于电解槽允许在特定超限区间短时运行，因此的约束是一个软约束，将其嵌入奖励函数，当电解槽工作功率超出时的表达式为： 37 储氢罐在标定的安全储氢范围外仍有缓冲余量，将该约束嵌入奖励函数，当储氢状态小于或者大于时，分别触发相应惩罚，其表达式如下： 38 39 最终，构建多重约束嵌入的混合奖励函数的表达式为： 40 步骤三：通过基于梯度补偿的改进一致性算法，动态分配多组异质电解槽功率，实现多储氢罐存量状态的均衡调控； 步骤四：采用基于改进TD3的深度强化学习算法，动态协同电解槽、储氢罐、燃料电池及储能设备，通过学习迭代得到微电网运行的优化结果； 其中，步骤三与步骤四构成分层调控架构，步骤四为上层调控，实现多设备协同优化，步骤三为下层调控，实现功率分配与储氢状态均衡。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。