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！

龙图腾网获悉中南大学申请的专利基于数字孪生与强化学习的储能调度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：CN121216558B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202511736949.2，技术领域涉及：H02J3/32；该发明授权基于数字孪生与强化学习的储能调度方法及系统是由陈晓红;李扬;王傅强设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本基于数字孪生与强化学习的储能调度方法及系统在说明书摘要公布了：本申请涉及储能优化技术领域，公开了一种基于数字孪生与强化学习的储能调度方法及系统，该方法包括构建储能调度优化模型、进行多电池协同控制、构建电网孪生模型、进行储能调度优化模型的优化和基于优化后的储能调度优化模型以实现储能调度。该系统与该方法对应。本申请，搭建了“决策‑验证‑评估‑学习”的智能闭环架构，通过数字孪生技术实现策略的事前安全验证，通过多目标绩效评估体系对策略后效进行量化审计，并最终将评估结果作为进化反馈信号，驱动核心决策模型在线优化，从根本上解决了现有储能调度模型的失配和性能退化难题。

本发明授权基于数字孪生与强化学习的储能调度方法及系统在权利要求书中公布了：1.一种基于数字孪生与强化学习的储能调度方法，应用于同一个电网及其负荷，所述负荷包括用电负荷和储能负荷，其特征在于，该方法包括： 通过强化学习，构建以负荷预测结果、功率预测结果和电池评估结果为输入、以电池充放电控制指令为输出的储能调度优化模型；其中，所述电池充放电控制指令为充放电功率和状态控制指令； 基于所述电池充放电控制指令，进行多电池协同控制以实现储能调度；其中，所述多电池协同控制根据DQN模型输出的充放电功率和状态控制指令，结合不同储能电池的特性，采用多类型储能电池的协同控制策略； 通过数字孪生，构建以实际运行数据为输入、以宏观经验元组为输出的电网孪生模型，所述宏观经验元组至少包括进化奖励信号，所述进化奖励信号用于量化储能调度时的电网绩效情况、电网稳定情况和电网健康情况； 当所述储能调度优化模型运行时，在预设的调度周期结束后，所述储能调度优化模型采样所述宏观经验元组，以进行所述储能调度优化模型的优化； 基于优化后的所述储能调度优化模型输出的所述电池充放电控制指令，进行多电池协同控制以实现储能调度； 所述储能调度优化模型设置有在线经验回放缓冲区，所述在线经验回放缓冲区用于存储所述宏观经验元组； 所述储能调度优化模型基于所述调度周期从所述在线经验回放缓冲区中采样所述宏观经验元组，基于采样得到的所述宏观经验元组对所述储能调度优化模型中的网络参数进行在线微调； 所述进化奖励信号基于对进行多电池协同控制以实现储能调度后的结果进行审计得到的，该审计基于所述电网绩效情况、所述电网稳定情况和所述电网健康情况进行，得到对应的绩效指标、稳定指标和健康指标，且所述进化奖励信号基于所述绩效指标、所述稳定指标和所述健康指标进行加权求和得到；其中：所述绩效指标用于量化一个所述调度周期内的总净收益；所述稳定指标用于量化一个所述调度周期内所述储能负荷平抑电网的功率波动的整体效果；所述健康指标用于量化一个所述调度周期内储能设备的电池组的平均相对电流应力以评估其累积损耗； 所述宏观经验元组还包括初始状态、整体策略序列和结束状态；其中，所述初始状态、所述整体策略序列和所述结束状态具体为在进行储能调度时，在一个所述调度周期内，该调度周期的电网及其负荷的初始状态、该调度周期内针对电网及其负荷采取的整体策略序列和该调度周期的电网及其负荷的结束状态。

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南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932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”。

以上内容由龙图腾AI智能生成。