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！

龙图腾网恭喜中国电力科学研究院有限公司申请的专利一种综合能源微网群多智能体分层博弈协同方法和装置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：CN117833255B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202311865487.5，技术领域涉及：H02J3/06；该发明授权一种综合能源微网群多智能体分层博弈协同方法和装置是由蒲天骄;王梓博;陈盛;杜帅;王新迎设计研发完成，并于2023-12-29向国家知识产权局提交的专利申请。

本一种综合能源微网群多智能体分层博弈协同方法和装置在说明书摘要公布了：本发明涉及一种综合能源微网群多智能体分层博弈协同方法和装置，包括：创建多智能体深度强化学习参数；创建运营商主智能体；创建所述综合能源系统中每一个所述多能源微网的多能源微网从智能体；基于所述多智能体深度强化学习参数、所述运营商主智能体和所述多能源微网从智能体，利用改进多智能体深度确定策略梯度MADDPG算法对预先创建的神经网络进行强化学习训练，得到多智能体分层博弈协同模型。本发明实现了对综合能源系统中的各单元实现集中管理和分布控制相结合，增强了综合能源系统的协同调度，增加了运行的可靠性，减轻了系统的通信和计算负担。本发明还涉及一种设备和存储介质。

本发明授权一种综合能源微网群多智能体分层博弈协同方法和装置在权利要求书中公布了：1.一种综合能源微网群多智能体分层博弈协同方法，其特征在于，所述方法包括：创建多智能体深度强化学习参数；创建运营商主智能体；创建综合能源系统中每一个多能源微网的多能源微网从智能体；基于所述多智能体深度强化学习参数、所述运营商主智能体和所述多能源微网从智能体，利用改进多智能体深度确定策略梯度MADDPG算法对预先创建的神经网络进行强化学习训练，得到多智能体分层博弈协同模型；所述多智能体深度强化学习参数包括环境状态参数、动作空间和奖励函数；所述环境状态参数包括电潮流数据、气潮流数据、热潮流数据以及所述运营商主智能体的市场定价；所述多智能体深度强化学习参数中的动作空间包括所述运营商主智能体的动作空间，以及所述多能源微网从智能体的动作空间；所述多智能体深度强化学习参数中的奖励函数是通过所述多能源微网从智能体的优化目标函数和所述多能源微网从智能体惩罚约束条件建立的；所述多智能体深度强化学习参数中的奖励函数是通过所述多能源微网从智能体的优化目标函数和所述多能源微网从智能体惩罚约束条件建立的，具体包括：根据t时段第i多能源微网的燃气成本、在t时段第i多能源微网与配电网之间的交互成本和在t时段第i多能源微网的能量交换成本，建立第i多能源微网从智能体的优化目标函数minfMG，i，优化目标函数如下：minfMG，i＝Ci，fuelt+Ci，mgt+Ci，gridt Ci，gridt＝cgridtPi，gridt式中，cgas为天然气价格，Ci，fuelt是在t时段第i多能源微网的燃气成本，Ci，mgt是在t时段第i多能源微网的能量交换成本，Ci，gridt是在t时段第i多能源微网与配电网之间的交互成本，Pi，MTt是在t时段第i多能源微网中微型燃气轮机MT输出电功率，cmgt是在t时段所述运营商主智能体下发的多能微网间能量交换定价，Pij，mgt是在t时段第i多能源微网与第j多能源微网之间的交互电量，Pi，gridt是在t时段第i多能源微网与配电网之间的交互电量，Vi，GBt是在t时段第i多能源微网的燃气锅炉GB耗气量，ηMT是发电效率，LHVNG是天然气热值；建立所述多能源微网从智能体的惩罚约束条件： Et-Et+1-Pdis，max，0]}φ2＝k2|SOC0-SOCT|式中，k1和k2为惩罚系数，Et+1是在t时段储能的荷电量，Et+1是在t时段储能的荷电量，SOC0是在初始时段所有蓄电池的荷电状态值，SOCT是在调度总时段T所有蓄电池的荷电状态值，Pch，max是蓄电池的最大充电功率，Pdis，max是蓄电池的最大放电功率；通过所有所述多能源微网从智能体的优化目标函数minfMG，i，得到所述多能源微网从智能体的总优化目标函数fMG，通过所述多能源微网从智能体的总优化目标函数fMG和所述惩罚约束条件，得到所述多能源微网从智能体的奖励函数Rt＝-fMG+φ1+φ2。

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中国电力科学研究院有限公司，其通讯地址为：100192 北京市海淀区清河小营东路15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”。