買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜重慶大學申請的專利一種強泛化能力的最優潮流可信數據驅動求解方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116629110B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310570200.X，技術領域涉及：G06F30/27；該發明授權一種強泛化能力的最優潮流可信數據驅動求解方法是由高茂勝;余娟;楊知方;薩拉赫·卡莫設計研發完成，并于2023-05-19向國家知識產權局提交的專利申請。

本一種強泛化能力的最優潮流可信數據驅動求解方法在說明書摘要公布了：本發明公開一種強泛化能力的最優潮流可信數據驅動求解方法，包括以下步驟：1對最優潮流輸出與輸入的固定關系模型進行優化，得到最優潮流輸出與輸入的梯度關系模型；2建立考慮最優潮流輸出與輸入的梯度關系的損失函數；3對神經網絡進行訓練，得到最優潮流計算神經網絡；4將輸入數據傳輸至最優潮流計算神經網絡的隱含層；5對輸入數據進行解碼，得到最優潮流輸入特征，若最優潮流計算神經網絡對最優潮流輸入特征是適應的，則所述隱含層將最優潮流輸入特征傳輸至輸出層，解算得到最優潮流輸出；本發明增強了最優潮流數據驅動計算方法對新能源滲透率變化的適應能力。

本發明授權一種強泛化能力的最優潮流可信數據驅動求解方法在權利要求書中公布了：1.一種強泛化能力的最優潮流可信數據驅動求解方法，其特征在于，包括以下步驟：1建立最優潮流輸出與輸入的固定關系模型；2對最優潮流輸出與輸入的固定關系模型進行優化，得到最優潮流輸出與輸入的梯度關系模型；3建立考慮最優潮流輸出與輸入的梯度關系的損失函數；4基于考慮最優潮流輸出與輸入的梯度關系的損失函數，利用最優潮流輸出與輸入訓練集對神經網絡進行訓練，得到最優潮流計算神經網絡；5最優潮流計算神經網絡的輸入層獲取輸入數據，并將輸入數據傳輸至最優潮流計算神經網絡的隱含層；6所述隱含層對輸入數據進行編碼，得到最優潮流隱含層特征，然后對最優潮流隱含層特征進行適應性判斷，若最優潮流計算神經網絡對最優潮流隱含層特征是適應的，則進入步驟7，否則，進入步驟8；7所述隱含層將最優潮流隱含層特征傳輸至輸出層，解算得到最優潮流輸出；8利用數值計算方法對最優潮流輸入特征進行解算，得到最優潮流輸出，并將最優潮流輸入特征和輸出寫入最優潮流輸出與輸入訓練集中，返回步驟4；最優潮流輸出與輸入的固定關系模型如下所示： s.t.eGPG＝eDPD2 PL＝MGPG-MDPD5式中，PG,PD和PL表示機組有功出力、負荷和線路有功潮流；H1,H2和H3表示機組出力的成本系數矩陣；eG和eD表示維度與機組數和負荷數且元素為1的向量；和*表示*的上下限；MD和MG表示與PG和PD相關的關聯矩陣；最優潮流輸出與輸入的梯度關系模型如下所示： 式中，MG,j和MD,j分別表示矩陣MD和矩陣MG的第j行；g表示機組出力的上限或者下限；PG,i是第i個機組的有功出力；表示第j條線路達到的最大或者最小傳輸功率；考慮最優潮流輸出與輸入的梯度關系的損失函數如下所示：L＝κ0L0+κ1L1+κ2L2+κ3L3+κ4L4+κ5L511其中，κ0、κ1、κ2、κ3、κ4、κ5表示不同損失函數項的權重系數；L為考慮最優潮流輸出與輸入的梯度關系的損失函數；其中，損失函數項L0、損失函數項L1、損失函數項L2、損失函數項L3、損失函數項L4、損失函數項L5分別如下所示：L0＝E[PG-P′G2]12 式中，表示輸入特征擾動量；表示增加擾動之后神經網絡新的輸入特征；P″G表示新輸入特征對應的神經網絡輸出；P′G表示神經網絡輸出的機組出力大小；E[*]表示*的期望；對最優潮流輸入特征進行適應性判斷的步驟包括：6.1根據最優潮流隱含層特征hhidden，使用均方差損失函數訓練最優潮流隱含層特征映射到輸入特征PD的解碼神經網絡ψ·；6.2計算最優潮流輸入特征的解碼誤差error，如下式所示； 式中，PD,i表示輸入特征向量負荷的第i個元素；ψhhidden表示解碼神經網絡參數；n為元素數量；6.3判斷解碼誤差是否成立，若是，則最優潮流計算神經網絡對最優潮流輸入特征是適應的；是預設誤差閾值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶大學，其通訊地址為：400044 重慶市沙坪壩區沙正街174號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。