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！

龙图腾网恭喜广东电网有限责任公司中山供电局;南方电网数字电网研究院股份有限公司;浙江大学申请的专利基于负荷预测和深度强化学习的台区电动汽车有序充电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：CN114169593B 。

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：202111410243.9，技术领域涉及：G06Q10/04；该发明授权基于负荷预测和深度强化学习的台区电动汽车有序充电方法是由胡筱曼;潘斌;陈旗展;崔益国;陈浩河;董芝春;王干军;黄宇行;陆靖宇;麦涵;何欣欣;蔡田田;邓清唐;陈波;彭勇刚;莫浩杰;胡丹尔;孙静;翁楚迪;韦巍设计研发完成，并于2021-11-24向国家知识产权局提交的专利申请。

本基于负荷预测和深度强化学习的台区电动汽车有序充电方法在说明书摘要公布了：本发明涉及电动汽车充电技术，旨在提供一种基于负荷预测和深度强化学习的台区电动汽车有序充电方法。包括：根据变电站历史充电剩余容量信息，使用全连接前馈神经网络预测未来剩余充电容量；根据弹性电价机制和预测的未来剩余充电容量，使用基于DQN的深度强化学习算法调整电动汽车充电策略，控制电动汽车接入充电桩的数量。本发明将负荷预测方法引入到电动汽车有序充电运算中，将预测的未来剩余充电容量作为电动汽车充电调度的依据，比传统方法更具实时性、超前性。通过引入深度强化学习到电动汽车有序充电运算中，利用预测到的未来信息超前调度电动汽车有序充电，且具有实时自学习更新能力，比传统算法更灵活有效，进一步提高了经济性和高效性。

本发明授权基于负荷预测和深度强化学习的台区电动汽车有序充电方法在权利要求书中公布了：1.一种基于负荷预测和深度强化学习的台区电动汽车有序充电方法，其特征在于，包括以下步骤：1根据变电站历史充电剩余容量信息，使用全连接前馈神经网络预测未来剩余充电容量；该步骤具体包括：1.1获取变电站台区历史剩余充电容量数据并分割数据样本，形成训练和输入用的数据，其输出数据为未来剩余充电容量数据；1.2搭建包括一个卷积层和两个线性层的FFN模型；所用FFN模型输出计算公式为：OutX＝TanhconvXW1+b1W2+b2式中：outX为FFN模型的输出；Tanh.为激活函数；conv.为卷积网络；Wi,bi为网络参数；X为网络输入；1.3确定训练用损失函数为： 式中为损失函数，简写为L；T为时间步长；xi和分别代表模型预测值与真实标签值；1.4使用梯度下降算法训练全连接前馈神经网络模型；1.5将变电站台区历史剩余充电容量输入训练后的模型，得到预测的未来剩余充电容量；2根据弹性电价机制和步骤1中预测的未来剩余充电容量，使用基于DQN的深度强化学习算法调整电动汽车充电策略，控制电动汽车接入充电桩的数量；该步骤具体包括：2.1将步骤1所得的未来剩余充电容量作为DQN模型的状态，具体为st＝{Et,Et+1,...,ET}，表示从当前时刻t到未来时刻T的剩余充电容量；2.2确定DQN模型的动作，表示为at＝{0,1,...,N}，即当前时刻t接入充电桩的电动汽车数量；其中，N表示可接入的最大电动汽车数；2.3假定每辆电动汽车的充电功率λ恒定且相同，将DQN模型的奖励表示为：rt＝-Ptatλ-α1N-at2其中，α1为满意度参数；Pt为当前时刻的电动车充电电价；2.4确定DQN模型的目标函数为： 其中，π表示动作策略；Eπ为在当前动作策略下的期望；γ∈[0,1]为折扣因子，表示未来奖励对当前奖励的相对重要性；γk为考虑第k步奖励对当前奖励的影响；K为考虑的总动作步长数；k为单步动作步长；rt+1为采取相应动作在下一时刻能获取的奖励值；st为当前时刻的状态；at为当前时刻的动作；2.5训练迭代DQN模型，得到最优动作策略即每一时刻允许接入充电桩的电动汽车数量。

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广东电网有限责任公司中山供电局;南方电网数字电网研究院股份有限公司;浙江大学，其通讯地址为：528400 广东省中山市东区博爱六路68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”。