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！

龙图腾网获悉中国农业大学申请的专利基于数据驱动的孤岛微网分布式储能选址定容方法及装置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：CN121436316B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202512016287.8，技术领域涉及：G06Q10/04；该发明授权基于数据驱动的孤岛微网分布式储能选址定容方法及装置是由唐巍;晁雪茗设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本基于数据驱动的孤岛微网分布式储能选址定容方法及装置在说明书摘要公布了：本发明公开了一种基于数据驱动的孤岛微网分布式储能选址定容方法及装置，方法包括：获取各光伏单元的发电功率预测值以及各负荷节点的负载功率预测值；确定微电网的孤岛供电缺口、全生命周期成本及储能充放电效率；给出微电网运行的约束条件；基于微电网运行的约束条件，构建孤岛微网仿真模型；基于微电网的孤岛供电缺口、全生命周期成本及储能充放电效率，构建多目标优化函数；结合对孤岛微网仿真模型和多目标优化函数的分析，给出各待配置储能单元的选址及容量。通过直接从历史数据中学习源‑荷不确定性规律与时空关联特征，指导分布式储能选址定容，并精准匹配孤岛微网的实际运行特性，实现了储能单元的合理配置。

本发明授权基于数据驱动的孤岛微网分布式储能选址定容方法及装置在权利要求书中公布了：1.一种基于数据驱动的孤岛微网分布式储能选址定容方法，其特征在于，具体包括以下步骤： 分别获取各光伏单元发电功率历史时序特征数据、各负荷节点负载功率历史时序特征数据；基于预构建的混合预测模型，结合条件信息、各光伏单元发电功率历史时序特征数据以及各负荷节点负载功率历史时序特征数据，给出各光伏单元的发电功率预测值以及各负荷节点的负载功率预测值；其中，混合预测模型的构建，具体包括：采用改进灰狼优化算法优化初始门控循环单元神经网络的超参数，给出第一门控循环单元神经网络；采用各光伏单元发电功率历史时序特征数据，和或，各负荷节点负载功率历史时序特征数据训练第一门控循环单元神经网络，给出混合预测模型； 确定微电网的孤岛供电缺口、全生命周期成本及储能充放电效率；其中，确定微电网的孤岛供电缺口，具体包括：基于各光伏单元的发电功率预测值、各负荷节点的负载功率预测值，确定孤岛运行期间的全岛光伏预测总功率、全岛负荷预测总功率；获取全岛储能最大放电功率，结合全岛光伏预测总功率、全岛负荷预测总功率，给出功率缺口；基于孤岛运行时段，累计功率缺口，给出微电网的孤岛供电缺口； 给出微电网运行的约束条件，其中，约束条件包括各待配置储能单元的充放电功率与电量动态约束、各光伏单元并网功率约束、潮流约束、上级电网交互功率约束及负荷优先级约束； 基于微电网运行的约束条件，构建孤岛微网仿真模型，包括：搭建包含光伏单元、负荷节点、线路及现有配电设备的配电网模型，并集成储能单元模块，结合微电网运行的约束条件，模拟不同储能配置下的系统动态运行； 基于微电网的孤岛供电缺口、全生命周期成本及储能充放电效率，构建多目标优化函数； 结合对孤岛微网仿真模型和多目标优化函数的分析，给出各待配置储能单元的选址及容量，具体包括：基于孤岛微网仿真模型，结合历史储能配置方案，给出样本集；将样本集划分为第一样本集及第二样本集；基于第一样本集，构建各优化目标的初始响应面；基于第二样本集，修正各优化目标的初始响应面，给出各优化目标的最优响应面；基于各优化目标的最优响应面，采用优化算法，在优化变量空间中求解，给出最优变量组合。

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中国农业大学，其通讯地址为：100083 北京市海淀区清华东路17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。