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！

龙图腾网恭喜湖南电气职业技术学院申请的专利一种利用深度强化学习进行电力系统负荷频率控制的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：CN119134338B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411612530.1，技术领域涉及：H02J3/00；该发明授权一种利用深度强化学习进行电力系统负荷频率控制的方法是由练红海;刘万太;邓鹏;覃事刚;王芳;周展;罗小丽设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种利用深度强化学习进行电力系统负荷频率控制的方法在说明书摘要公布了：本发明提供一种利用深度强化学习进行电力系统负荷频率控制的方法，涉及电力系统控制技术领域，所述方法包括：构建电力系统模型，所述电力系统模型包括发电单元、输电网络、负荷单元以及频率控制装置；获取电力系统历史运行数据，包括负荷需求记录、发电输出日志、频率波动情况，并对电力系统历史运行数据进行预处理，以得到处理后系统历史运行数据；根据处理后系统历史运行数据，训练深度神经网络模型，提取系统历史运行数据的关键特征，并预测未来的负荷需求及频率变化趋势，得到预测结果。本发明利用深度强化学习融合电力系统模型，实现负荷频率的精准预测与自动实时控制，提升电力系统稳定性与经济性。

本发明授权一种利用深度强化学习进行电力系统负荷频率控制的方法在权利要求书中公布了：1.一种利用深度强化学习进行电力系统负荷频率控制的方法，其特征在于，所述方法包括：构建电力系统模型，所述电力系统模型包括发电单元、输电网络、负荷单元以及频率控制装置；获取电力系统历史运行数据，包括负荷需求记录、发电输出日志、频率波动情况，并对电力系统历史运行数据进行预处理，以得到处理后系统历史运行数据；根据处理后系统历史运行数据，训练深度神经网络模型，提取系统历史运行数据的关键特征，并预测未来的负荷需求及频率变化趋势，得到预测结果；根据预测结果，通过强化学习，不断迭代优化，确定负荷频率控制方案；将经过训练的深度神经网络模型与强化学习进行融合，构建深度强化学习控制器，以实现自动、实时控制电力系统中的负荷频率；根据预测结果，通过强化学习，不断迭代优化，确定负荷频率控制方案，包括：定义强化学习的状态空间、动作空间和奖励函数，并初始化价值网络参数；从状态空间中获取当前电力系统的状态，根据当前状态，确定控制动作，并初始化价值网络；通过深度神经网络模型预测确定的控制动作对未来负荷需求及频率变化趋势的影响，并计算执行动作后的奖励值；使用计算的奖励值，更新强化学习的网络参数，并重复状态获取、动作执行与未来预测、奖励计算与参数更新，直到达到预设的迭代次数，提取控制方案，并将控制方案作为负荷频率控制方案；奖励函数的计算公式为： ；其中，表示在状态下采取动作后转移到状态时获得的奖励；表示频率偏差的权重；表示执行动作后电力系统的频率；表示电力系统的设定 频率；表示发电与负荷匹配度的权重；表示执行动作后的发电输出；表示执行动 作后的负荷需求；表示稳定性指标的权重；表示电压稳定性在稳定性指标中的权重；表示执行动作后的电压值；表示电流稳定性在稳定性计算中的权重；表示执行动作 后的电流值；表示总成本的权重；表示发电成本系数；表示设备维护成本；将经过 训练的深度神经网络模型与强化学习进行融合，构建深度强化学习控制器，以自动、实时控 制电力系统中的负荷频率，包括： 利用电力系统模型构建强化学习的环境，将深度强化学习控制器在强化学习的环境中进行试错学习，在试错过程中，深度强化学习控制器根据当前状态确定动作，并接受环境反馈的奖励和新的状态信息，得到试错学习结果；根据试错学习结果，深度强化学习控制器不断更新控制方案，直至深度强化学习控制器学会如何根据当前状态和未来预测，确定最终动作，得到训练后深度强化学习控制器；将训练后深度强化学习控制器融入电力系统中，以自动、实时控制电力系统中的负荷频率。

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湖南电气职业技术学院，其通讯地址为：411100 湖南省湘潭市岳塘区下摄司潭下路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”。