基于深度强化学习的新能源电力系统弹性优化方法

实质审查的生效

摘要

本发明提出了一种基于深度强化学习的新能源电力系统弹性优化方法，能够大幅减少了在调度过程中产生的人力成本，也避免了人工沟通的延时性带来的影响。本发明引入神经网络的深度强化学习可通过试错和探索在高度动态的随机环境中进行学习，互动情境使其具有较强的学习能力和适应能力，更适合用于解决具有复杂非线性和不确定性的新能源电力系统有功功率调度问题。深度强化学习兼具强化学习的决策能力和深度学习的计算能力，在新能源电力系统中的应用必将改变传统的能源利用模式，使系统更加智能化。

基本信息

专利标题：

基于深度强化学习的新能源电力系统弹性优化方法

专利标题（英）：

暂无

公开（公告）号：

CN114330113A

申请号：

CN202111548873.2

公开（公告）日：

2022-04-12

申请日：

2021-12-17

授权号：

暂无

授权日：

暂无

发明人：

张曦李清明单熙雯王作为

申请人：

北京理工大学

申请人地址：

北京市海淀区中关村南大街5号

代理机构：

北京理工大学专利中心

代理人：

袁瑞霞

优先权：

CN202111548873.2

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06N3/04 G06N3/08 H02J3/00 H02J3/24 H02J3/46 G06F111/04 G06F113/04

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F30/27

使用机器学习，例如人工智能，神经网络，支持向量机或训练模型

法律状态

2022-04-29 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20211217

2022-04-12 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载