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！

龙图腾网恭喜江苏祝尔慷电机节能技术有限公司申请的专利基于电价的永磁电机能量储存与优化运行方法及系统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：CN119514816B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510094956.0，技术领域涉及：G06Q10/04；该发明授权基于电价的永磁电机能量储存与优化运行方法及系统是由吕生国;马海盈;李华东;蔡同乐设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本基于电价的永磁电机能量储存与优化运行方法及系统在说明书摘要公布了：本发明提供一种基于电价的永磁电机能量储存与优化运行方法及系统，涉及电机能量储存与优化运行技术领域，包括：通过深度信念神经网络预测电机功率，并利用时空图卷积神经网络预测电价，结合高斯混合模型量化系统误差，基于预测结果，采用量子遗传优化算法进行全局寻优，得到初始优化策略集并用于元启发式混合优化模型，生成时序关联控制策略，通过混合高斯‑隐马尔可夫模型进行系统建模，构建双层动作评价控制网络生成运行控制指令，利用分布式强化学习框架进行协同控制，并基于自适应动态规划和元学习策略迁移机制，得到最优控制策略。

本发明授权基于电价的永磁电机能量储存与优化运行方法及系统在权利要求书中公布了：1.基于电价的永磁电机能量储存与优化运行方法，其特征在于，包括：采集永磁电机运行数据并通过变分模态分解将所述永磁电机运行数据分解为多个本征模态函数，基于信号互信息确定最优模态数并结合粒子群优化迭代更新每个模态的中心频率，得到运行特征分量并添加至深度信念神经网络中，通过对比散度算法对受限玻尔兹曼机进行逐层预训练并添加自注意力模块提取时序特征权重，输出功率预测结果，构建时空图卷积神经网络进行电价预测，结合预先获取的历史电价数据的时空相关性构建动态邻接矩阵，通过并行卷积层提取多尺度特征并确定长短期依赖关系，得到电价预测序列，通过高斯混合模型量化系统误差，结合变分贝叶斯推断估计模型参数，通过边际似然函数准则自适应调整高斯分布数量，得到多维概率分布模型；获取所述功率预测结果、所述电价预测序列和所述多维概率分布模型，通过量子遗传优化算法进行全局寻优，通过量子比特编码表示优化变量，结合量子旋转门进化算子更新种群并引入量子纠缠机制得到初始优化策略集，将所述初始优化策略集添加至元启发式混合优化模型中，根据自适应温度调节和动态禁忌表进行策略搜索，结合差分策略生成试验解，构建基于注意力机制的时序优化网络，提取控制序列特征并基于因果注意力机制建立时序约束关系，设置基于古贝尔-索夫特最大采样的离散动作层，得到时序关联控制策略，通过混合高斯-隐马尔可夫模型进行系统建模，通过变分期望最大化算法估计模型参数，根据粒子滤波预测状态转移过程得到概率转移矩阵；根据所述时序关联控制策略和所述概率转移矩阵构建双层动作评价控制网络，生成运行控制指令并基于状态熵得到控制指令序列，通过优势动作评价算法和置信区间约束对所述控制指令序列进行优化，得到平稳控制指令并通过分布式强化学习框架对智能体进行协同控制，得到协调控制策略，基于自适应动态规划算法构建在线学习模块并根据径向基函数网络逼近系统值函数，结合李雅普诺夫稳定性分析确定更新步长，得到优化控制器参数，通过基于元学习的策略迁移机制和任务嵌入网络提取控制场景特征，根据梯度快速下降对所述协调控制策略进行优化，得到最优控制策略，包括：根据时序关联控制策略和概率转移矩阵构建双层动作评价控制网络，将温度信息、压力信息、流量信息进行归一化处理得到归一化状态量，将阀门开度信息和电机转速信息归一化处理得到归一化动作量，所述双层动作评价控制网络的底层网络接收所述归一化状态量和所述归一化动作量，通过多个隐藏层和整流线性激活函数提取特征，输出层采用线性激活函数生成运行控制指令，所述双层动作评价控制网络的顶层网络采用长短期记忆网络结构，通过记忆单元接收底层网络连续多个时刻的输出序列，提取动作序列的时序相关性特征，将系统状态空间划分为温度子区间和压力子区间，在预设时间周期内统计所述温度子区间和所述压力子区间的状态分布频率，基于所述状态分布频率计算状态熵值，根据所述状态熵值对所述运行控制指令进行筛选得到控制指令序列；在动态评价窗口内通过优势动作评价算法计算当前动作的累积奖励值，将所述累积奖励值与所述动态评价窗口内所有动作的平均奖励值进行差值运算得到优势值，采用置信区间约束机制设置优势值上限和下限进行限制，得到平稳控制指令；构建分布式强化学习框架，将系统划分为反应器子系统、换热器子系统和分离器子系统，为每个子系统配置智能体执行状态观测和控制，所述智能体通过通信网络交互共享观测数据和控制经验，对所述平稳控制指令进行协同执行得到协调控制策略；基于自适应动态规划算法构建在线学习模块，采用径向基函数网络逼近系统值函数，构建经验回放池存储状态向量、动作向量、奖励值、下一状态向量和终止标志的交互数据，通过聚类方法对状态样本进行聚类得到基函数中心点，基于所述基函数中心点构建值函数近似网络，实时获取系统状态变化率并进行李雅普诺夫稳定性分析，若所述状态变化率大于预先设置的变化率阈值，增大网络参数更新步长，否则减小网络参数更新步长，得到优化控制器参数；构建基于元学习的策略迁移机制，通过任务嵌入网络提取控制场景特征，所述任务嵌入网络通过多层卷积层对输入状态进行特征提取，通过池化层进行特征压缩，经全连接层将压缩特征编码为任务嵌入向量，采用梯度快速下降方法对所述协调控制策略进行优化，优化过程中结合所述任务嵌入向量调整策略网络参数，并叠加动量项加速收敛，通过周期性评估策略性能保存最优参数配置，得到最优控制策略。

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江苏祝尔慷电机节能技术有限公司，其通讯地址为：213133 江苏省常州市新北区黄河西路388号-18；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”。