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！

龙图腾网恭喜重庆大学申请的专利一种基于强化学习的配电变压器经济运维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：CN116128153B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310243797.7，技术领域涉及：G06Q10/04；该发明授权一种基于强化学习的配电变压器经济运维方法是由范敏;冯楚瑞;彭港;彭屿雯;张焕娇;王孝中设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本一种基于强化学习的配电变压器经济运维方法在说明书摘要公布了：本发明提出了一种基于强化学习的配电变压器经济运维方法，主要步骤为：1从配电变压器在线运行数据和基础信息中提取配电变压器的多维特征；2在配电变压器运行状态多维感知基础上，建立基于数据驱动的配电变压器运行状态评估及态势预测模型；3通过DQN算法训练智能体与配电变压器交互的强化学习过程，得到配电变压器维护策略优化模型；4将该台配电变压器运行状态的预测结果构建成状态信息输入到配电变压器维护策略优化模型中，得到预测性维护决策序列。本发明具有较好的通用性和应用性，适用于油浸式配电变压器和干式配电变压器，能够得到预测性维护决策序列，为配电运维人员实施更加客观和准确的主动维护提供指导。

本发明授权一种基于强化学习的配电变压器经济运维方法在权利要求书中公布了：1.一种基于强化学习的配电变压器经济运维方法，其特征在于，主要包括以下步骤：1从配电变压器在线运行数据和基础信息中提取配电变压器的多维特征；2在配电变压器运行状态多维感知基础上，建立基于数据驱动的配电变压器运行状态评估及态势预测模型；3通过DQN算法训练智能体与配电变压器交互的强化学习过程，得到配电变压器维护策略优化模型，模型构建主要步骤如下：3.1在配电变压器经济运维策略优化的强化学习任务中，状态S、维护动作A和奖励R强化学习要素的具体设置如下：3.1.1配电变压器的状态包含配电变压器的运行状态特征features和运行状态评估结果score，第i时刻的状态si表达式为：si＝{features,score},si∈S1式1中，运行状态特征有负载率、电压偏差和三相负荷不平衡度、平均负载率、重载持续时间、过载持续时间、平均三相负荷不平衡度和三相负荷不平衡持续时间；S是一个无限的状态集合，并且状态之间的转移概率是未知的；配电变压器状态分为初始状态s0、一般状态si和终止状态sT三种情况；初始状态是指智能体与配电变压器交互过程中的第一个状态，这个状态下配电变压器运行良好，运行状态评估结果在正常范围内；终止状态是指配电变压器发生了故障，智能体与配电变压器交互过程结束；一般状态是指除了初始状态和终止状态之外的状态，这个状态下配电变压器运行可能正常，也可能发生故障；3.1.2智能体有两种维护动作选择，第一种是对配电变压器不做维修处理ano，第二种是对配电变压器进行维修处理arepair，第i时刻智能体执行的动作ai表达式为：ai＝{anoorarepair},ai∈A2当智能体选择执行arepair时，表明经济运维策略优化模型给出的决策建议是对配电变压器进行维修；arepair动作细化，即根据配电变压器当前的监测状态细化针对性维修处理动作，维修过后配电变压器状态转变为初始状态；3.1.3智能体第i时刻获得的奖励ri由当前执行的维护动作ai和配电变压器反馈的下一时刻状态si+1共同决定；如果si+1为终止状态，智能体获得的奖励ri为-1，智能体与配电变压器交互过程结束；如果si+1为一般状态，奖励ri的计算公式为： 式3中，奖励ri的数值范围在0到1之间；score为下一时刻状态si+1中的配电变压器运行状态评估结果；loss为智能体在不同场景下执行维护动作ai的经济损失；奖励ri前半部分β1score与配电变压器的安全运行相关，β1为安全目标系数；奖励ri后半部分β2100-loss与配电变压器维护的经济成本相关，β2为经济目标系数；3.2在DQN算法训练智能体与配电变压器交互的学习过程中，DQN训练智能体获取配电变压器状态s要素，通过梯度下降算法优化近似价值函数与真实价值函数的误差，从而计算出近似价值函数的权重参数w；再通过深度神经网络拟合真实动作价值函数，得到近似动作价值函数并利用Q-learning算法更新近似动作价值函数从而获得最优策略为了提高算法的效率和稳定性，DQN训练智能体中引入经验回放和固定Q目标的机制；3.3设置智能体维护决策间隔时间，配电变压器在运行过程中发生故障的情况并不常见，为了使配电变压器经济运维的强化学习训练过程能够尽快完成，除了将配电变压器发生故障的情况作为终止状态，把智能体在时间尺度上累计执行维护动作的情况也视作终止状态；智能体在前一种终止状态下获得的奖励为-1，在后一种终止状态下获得的奖励为0；在DQN训练过程中，每隔一段时间计算一次智能体获得的回报平均值，随着训练轮数的增加，智能体获得的回报平均值逐渐收敛，并完成训练过程；3.4在基于DQN的配电变压器经济运维流程中，通过DQN算法训练智能体与配电变压器交互的强化学习过程，挖掘配电变压器状态衰变与发生故障之间复杂动态关联的不确定性，得到配电变压器经济运维策略优化模型；4将配电变压器运行状态的预测结果构建成状态信息输入到配电变压器维护策略优化模型中，得到预测性维护决策序列。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。