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！

龙图腾网获悉南京信息工程大学申请的专利一种实现非凸电力资源配置的分布式神经动力学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：CN121659800B 。

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：202610155328.3，技术领域涉及：G06F30/27；该发明授权一种实现非凸电力资源配置的分布式神经动力学优化方法是由赵若含;王晓萱;张杰设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本一种实现非凸电力资源配置的分布式神经动力学优化方法在说明书摘要公布了：本发明公开了一种实现非凸电力资源配置的分布式神经动力学优化方法，包括：以发电站中的各设备作为智能体，构成多智能体系统，构建发电站的能耗优化模型；构造拉格朗日函数，并进行分解，建立可分布式实现的多智能体系统及动态方程；分别设置多智能体系统采用不同初始状态，获得局部最优调度决策以及对应的多智能体系统的性能；建立分布式平均跟踪机制，获得群体最优调度决策，及所有多智能体系统的性能平均值；采用粒子群搜索规则，对多智能体系统的下一轮初始状态执行重置；针对多智能体系统进行迭代，输出最终的调度决策。本发明能够实现发电站总能耗的最小化，并具备可分布式执行、收敛性能强的特点，适用于大规模电力设备协同控制领域。

本发明授权一种实现非凸电力资源配置的分布式神经动力学优化方法在权利要求书中公布了：1.一种实现非凸电力资源配置的分布式神经动力学优化方法，其特征在于，执行如下步骤S1-步骤S6，获得发电站中设备的调度决策： 步骤S1：针对目标发电站中的各设备，分别构建对应的智能体模型，使各智能体模型在多智能体系统中协同求解，每个设备均作为一个智能体参与协同计算，根据各设备的本地变量建立约束条件，并构建目标发电站的能耗优化模型； 步骤S2：针对目标发电站的能耗优化模型构造拉格朗日函数，并进行分解，分别针对各设备的本地变量，包括各设备的连续可调节功率变量、启停状态变量；以及动量项、拉格朗日函数参数，构建独立动态层，并建立动态方程，基于各动态方程，建立可分布实现的多智能体系统； 步骤S3：部署多智能体系统，分别设置多智能体系统采用不同初始状态，进行独立求解，并获得局部最优调度决策，包括各设备的连续可调节功率变量、启停状态变量，以及对应的多智能体系统的性能，包括各设备的总能耗； 步骤S4：建立分布式平均跟踪机制，动态跟踪所有多智能体系统的性能平均值；每个多智能体系统将自身性能与所有多智能体系统的性能平均值相比较，获得群体最优调度决策； 步骤S4中的具体步骤如下： 步骤S4.1：设第i组多智能体系统的总能耗如下式： ； 其中表示第i个设备从第j个相邻设备接收的启停状态变量；表示第j个设备在其对应连续可调节功率变量下的能耗函数值； 构造如下动态方程： ； 其中，表示用于判断终止条件的第三阈值参数；为第i组多智能体系统的性能的局部估计值；为分布式平均跟踪机制输出的所有多智能体系统的性能平均值，为中第i个多智能体系统的分量；表示神经动力学系统中的初始增益参数，表示符号函数；表示在初始时刻的取值，表示每组多智能体系统的性能的局部估计值在初始时刻的取值； 步骤S4.2：使每个多智能体系统获得所有多智能体系统的性能平均值，每个多智能体系统判断自身性能是否低于性能平均值，将自身性能低于性能平均值的多智能体系统所对应的调度决策作为群体最优调度决策； 步骤S5：基于局部最优调度决策对应的多智能体系统的性能、所有多智能体系统的性能平均值，采用粒子群搜索规则，对多智能体系统的下一轮初始状态执行重置； 步骤S6：针对多智能体系统进行迭代，直至满足预设的收敛条件，或达到预设的最大迭代次数，则终止迭代，输出最终的最优调度决策，包括各设备的连续可调节功率变量、启停状态变量。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。