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！

龙图腾网恭喜贵州万峰电力股份有限公司;国电南瑞南京控制系统有限公司;国电南瑞科技股份有限公司申请的专利一种基于强化学习算法的需求侧响应负荷分析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：CN114676949B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202111369919.4，技术领域涉及：G06Q10/0631；该发明授权一种基于强化学习算法的需求侧响应负荷分析方法是由刘启斌;魏杰;陈征设计研发完成，并于2021-11-18向国家知识产权局提交的专利申请。

本一种基于强化学习算法的需求侧响应负荷分析方法在说明书摘要公布了：本发明公开一种基于强化学习算法的需求侧响应负荷分析方法，包括：获取电网用电侧可调负荷信息、电力现货市场信息以及供电侧机组发电信息，以及预先构建的基于用户选择的需求响应模型；基于需求响应模型，将用户负荷动态转移问题转换为离散的无限马尔科夫决策问题；基于电网用电侧可调负荷信息、电力现货市场信息以及供电侧机组发电信息，采用Q‑learning算法解决所述离散的无限马尔科夫决策问题，以用户负荷转移的贴现奖励最大为目标，求解得到用户参与负荷转移的最优负荷转移方案。本发明基于Q‑学习理论进行需求侧负荷响应分析，能够为用户参与需求侧负荷响应提供决策参考，从而更加有效的实现负荷控制，减少电网波动，提升电网运行安全性和可靠性。

本发明授权一种基于强化学习算法的需求侧响应负荷分析方法在权利要求书中公布了：1.一种基于强化学习算法的需求侧响应负荷分析方法，其特征是，包括：获取电网用电侧可调负荷信息、电力现货市场信息以及供电侧机组发电信息；获取预先构建的基于用户选择的需求响应模型；基于所述需求响应模型，将用户负荷动态转移问题转换为离散的无限马尔科夫决策问题；基于所述电网用电侧可调负荷信息、电力现货市场信息以及供电侧机组发电信息，采用Q-learning算法解决所述离散的无限马尔科夫决策问题，以用户负荷转移的贴现奖励最大为目标，求解得到用户参与负荷转移的最优负荷转移方案；其中，所述用电侧可调负荷信息包括各电力用户的临界负荷和可切除负荷，电力现货市场信息包括各时段的零售电价，供电侧机组发电信息包括最大发电量和机组爬坡率；所述基于用户选择的需求响应模型的目标函数为，考虑负荷转移收益、不舒适成本以及能源供应商激励收益的用户负荷转移利润目标函数；目标函数的求解约束包括用户需求约束、供需平衡约束、负荷转移约束和爬坡率约束；所述用户负荷转移利润目标函数表示为： ，其中，表示智能电网中用户的负荷转移收益，表示用户的不舒适成本，表示能源供应商给予的激励收益，且有： ，式中，为第个用户在时刻转移到时刻的负荷量；、分别为、时刻的零售电价；表示第个用户在时刻被切除的负荷量；表示在时刻参与负荷转移的奖励率；、、为相关参数，为用户编号；所述用户需求约束表示为： ， ， ，其中，表示第个用户在时刻转移到时刻的负荷量，为时刻第个用户的用电需求量，为时刻第个用户的实际用电量；表示时刻第个用户的临界负荷，表示时刻第个用户的可切除负荷；所述供需平衡约束表示为： ，其中，表示时刻供电侧最大发电量；所述负荷转移约束表示为： ，其中，表示时刻第个用户的可切除负荷；所述爬坡率约束表示为： ，其中，和分别为发电侧机组向上和向下的爬坡率，表示在时刻的上一时刻第个用户的实际用电量；基于所述需求响应模型，将用户负荷动态转移问题转换为离散的无限马尔科夫决策问题包括：将所述基于用户选择的需求响应模型简化表示为： ，根据需求响应模型，确定离散的无限马尔科夫决策问题的决策过程要素包括：离散时间、智能体所处的状态、动作、奖励、转移概率和折扣因数；其中，表示用户在时刻的负荷转移意愿，为执行负荷转移的离散时间；、分别表示第个用户在、时刻的负荷转移意愿；表示时刻的零售电价；表示时刻参与负荷转移的奖励率；表示时刻供电侧的最大供电量；表示时刻用户的电能消费量；表示用户决定时刻转移到时刻的负荷量，表示用户决定时刻转移到时刻的负荷量；表示时刻所有用户对于负荷是否转移的决策动作行为；表示在时刻的状态下确定决策后到下一个时刻获得的立即奖励；表示表示离散时刻下的状态转移到下一时刻状态所选择动作的概率；表示折扣率，决定即时奖励和未来奖励的重要性。

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贵州万峰电力股份有限公司;国电南瑞南京控制系统有限公司;国电南瑞科技股份有限公司，其通讯地址为：562400 贵州省黔西南布依族苗族自治州兴义市富民路14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”。