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！

龙图腾网获悉广东工业大学申请的专利基于改进LO的新能源微网VSG调压参数优化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：CN121097849B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511228335.3，技术领域涉及：H02J3/48；该发明授权基于改进LO的新能源微网VSG调压参数优化方法及系统是由林炯涛;王裕;陈广驰;王婷;邢玛丽;胡轩林设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本基于改进LO的新能源微网VSG调压参数优化方法及系统在说明书摘要公布了：本发明涉及基于改进LO的新能源微网VSG调压参数优化方法及系统，其方法包括：根据新能源微网中VSG电压控制机理，选取一组对电压调节效果有影响的调压参数；基于调压参数，以实现电压稳态偏差、电压调节时间和系统有功损耗的最小化为目标，考虑有功平衡约束和光伏出力约束，构建调压参数趋优模型；将调压参数作为待优化的决策变量，并采用基于反向学习和差分进化的改进LO对调压参数趋优模型进行求解，得到一组最佳的决策变量。本发明通过改进LO求解决策变量，显著提升了算法的全局搜索能力和收敛精度，能够获得兼顾多重性能指标的最优参数组合，从而有效提高新能源微网的电压稳定性和运行经济性。

本发明授权基于改进LO的新能源微网VSG调压参数优化方法及系统在权利要求书中公布了：1.基于改进LO的新能源微网VSG调压参数优化方法，其特征在于，包括： S1，根据新能源微网中VSG电压控制机理，选取一组对电压调节效果有影响的调压参数； S2，基于所述调压参数，以实现电压稳态偏差、电压调节时间和系统有功损耗的最小化为目标，考虑有功平衡约束和光伏出力约束，构建调压参数趋优模型； S3，将所述调压参数作为待优化的决策变量，并采用基于反向学习和差分进化的改进LO对所述调压参数趋优模型进行求解，得到一组最佳的决策变量； 所述S3具体为： S31，根据所述决策变量的个数，采用反向学习策略初始化代表决策变量的多个LO个体； S32，利用所述调压参数趋优模型计算出各个LO个体的适应度，并保存适应度最优的LO个体； S33，采用基于差分进化算法改进的LO更新策略，结合适应度最优的LO个体，对各个LO个体进行迭代更新，直至达到迭代次数最大值，输出调压效果最优的一组决策变量； 所述S31具体为： S311，设置LO种群规模和决策变量的取值范围，并结合所述决策变量的个数随机生成多个初始LO个体； S312，对于各个所述初始LO个体中的决策变量，在其取值的上、下限之间生成对应的反向变量； S313，对于各个所述初始LO个体中的决策变量，将其与对应的反向变量混合后进行比较，选出较优的变量作为最终的决策变量，进而生成对应的LO个体； 所述初始LO个体中的决策变量表示为： ； 其中，表示所述LO种群规模，表示所述决策变量的个数，表示第个初始LO个体中第个决策变量，表示取值范围为[0,1]的随机数，表示第个决策变量的取值范围中的上限，表示第个决策变量的取值范围中的下限； 所述决策变量对应的反向变量表示为： ； 其中，表示第个初始LO个体中第个决策变量所对应的反向变量； 所述S33具体为： S331，根据当前迭代次数引入自由风险率，基于LO位置更新策略，结合所述自由风险率，将所述LO个体中的决策变量作为父代变量进行变异操作，得到初始子代变量； S332，将所述父代变量与所述初始子代变量进行交叉，产生交叉变量； S333，按照“贪婪”准则，从所述父代变量和所述交叉变量中选择适应度优的变量形成最终的子代变量； S334，判断所述当前迭代次数是否达到预设的最大迭代次数，若否，则令当前迭代次数加一，并将所述S333得到的子代变量作为LO个体中的决策变量，且返回所述S331循环迭代执行，直至达到所述最大迭代次数后输出调压效果最优的一组决策变量； 所述自由风险率表示为： ； 其中，表示所述自由风险率，表示所述当前迭代次数，表示最大迭代次数，表示自由风险率的最大值，表示自由风险率的最小值； 所述LO位置更新策略表示为： ； 其中，表示取值范围为[0,1]的随机数，为第个LO个体中第个决策变量作为父代变量的表示，表示邻近解，表示全局最优解，表示第个LO个体中第个决策变量作为父代变量进行变异操作得到的初始子代变量； 将所述父代变量与所述初始子代变量进行交叉的公式为： ； 其中，表示由和交叉所得到的交叉变量，表示所述决策变量的个数，表示区间[1,2,…,d]范围内的随机整数； 所述子代变量表示为： ； 其中，表示子代变量，表示的适应度，表示的适应度。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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。