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！

龙图腾网获悉安徽电气工程职业技术学院;国网安徽省电力有限公司培训中心申请的专利考虑风光不确定性的台区两阶段分布鲁棒线损优化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：CN121238567B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511785889.3，技术领域涉及：H02J3/06；该发明授权考虑风光不确定性的台区两阶段分布鲁棒线损优化方法是由齐佩雯;吴琦;于传;黄洁;曹亚越;张彩莉;牛牧童;邵帅设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本考虑风光不确定性的台区两阶段分布鲁棒线损优化方法在说明书摘要公布了：本发明提出了一种考虑风光不确定性的台区两阶段分布鲁棒线损优化方法，属于新能源技术领域。首先构建了日前‑实时两阶段线损优化方法，在日前阶段，通过结合K‑means聚类算法与条件生成对抗网络，生成能够反映风光出力不确定性的多场景样本集；在实时阶段，基于日前优化结果与更新的出力信息，利用多场景分布鲁棒优化模型实现线损与经济调度的联合修正；在优化求解过程中，采用前推回代法嵌入潮流计算模型，以准确反映台区配电网的线路传输损耗；其次，构建了一种基于场景生成的分布鲁棒优化方法，利用历史风光数据，通过K‑means聚类与条件生成对抗网络生成多样化场景集合，并在不同场景下进行分布鲁棒优化规划与修正。

本发明授权考虑风光不确定性的台区两阶段分布鲁棒线损优化方法在权利要求书中公布了：1.一种考虑风光不确定性的台区两阶段分布鲁棒线损优化方法，其特征在于，首先构建了日前-实时两阶段线损优化方法，在日前阶段，通过结合K-means聚类算法与条件生成对抗网络，生成能够反映风光出力不确定性的多场景样本集；在实时阶段，基于日前优化结果与更新的出力信息，利用多场景分布鲁棒优化模型实现线损与经济调度的联合修正；在优化求解过程中，采用前推回代法嵌入潮流计算模型，以准确反映台区配电网的线路传输损耗；其次，构建了一种基于场景生成的分布鲁棒优化方法，利用历史风光数据，通过K-means聚类与条件生成对抗网络生成多样化场景集合，并在不同场景下进行分布鲁棒优化规划与修正； 具体步骤如下： 步骤1：基于条件生成对抗网络的风光不确定性场景生成方法 步骤1.1收集风电和光伏出力的历史实测数据和日前预测数据作为训练样本集，将日前预测数据作为条件标签，将历史实测风光功率数据作为真实样本； 步骤1.2构建包含生成器和判别器的对抗博弈网络模型；其中生成器采用卷积神经网络结构，输入为服从正态分布的随机噪声和日前预测条件标签，输出为生成的风光功率场景样本；判别器同样采用卷积神经网络结构，输入为真实样本或生成样本以及对应的标签，其作用是判断输入样本是来自真实历史数据还是由生成器生成的； 步骤1.3定义条件生成对抗网络的目标函数，用于刻画生成器与判别器间的极小极大博弈；基于该目标函数，采用交替优化的方式对模型进行训练；利用训练好的生成器，输入大量的随机噪声与日前预测数据，生成大规模的风光出力场景集； 步骤1.4验证生成场景的时序相关性与不确定性描述准确性，引入自相关系数与偏自相关系数进行相关性分析； 步骤1.5通过网络训练与评价过程，获得一组符合日前预测条件且能充分反映风光出力不确定性的场景集；采用K-means聚类算法对CGAN生成的高质量场景集进行模式划分，通过迭代更新样本分配与中心位置，最终获得个具有代表性的典型出力模式，每一类样本对应不同的天气场景特征； 步骤2：构建考虑台区线损的日前优化调度模型 步骤2.1基于风光日前预测数据，以最小化台区线损和经济调度成本为目标，制定日前调度计划； 步骤2.2综合考虑风光、储能、电动汽车及可调负荷的运行特性，以台区线损和经济调度成本最小为目标函数，构建考虑台区线损的日前优化调度模型； 步骤2.3建立日前阶段的系统有功无功功率平衡约束、风电与光伏的日前阶段出力约束、储能设备的日前阶段运行约束、电动汽车EV集群日前阶段运行约束、可转移负荷、可中断负荷； 步骤2.4将前推回代法嵌入优化调度模型中，用于精确求解配电网潮流，在潮流计算收敛后，结合支路电流值计算系统总理论线损值；将其反馈至目标函数中，最终求解模型得到兼顾经济性与低线损的日前资源调度方案； 步骤3：构建考虑风光不确定性的实时分布鲁棒优化调度模型 步骤3.1在步骤1中通过K-means聚类得到的个极端风光场景与步骤2日前阶段的调度方案的基础上，实时阶段考虑风电不确定性，对日前决策进行动态修正；采用分布鲁棒优化方法，构建以极端场景为候选分布的概率不确定性集合，并通过权重构造极值分布，从而将最恶劣情景下的系统风险纳入优化目标； 步骤3.2建立实时阶段的系统有功无功功率平衡约束、风电与光伏的实时阶段出力约束、储能设备的实时阶段运行约束、EV集群实时阶段运行约束、可转移负荷实时阶段运行约束、可中断负荷实时阶段运行约束； 步骤3.3通过K-means聚类得到k个极端风光场景，每个场景记为，其中；在分布鲁棒优化框架中，考虑最坏情况分布，即是由这些极端场景以某种概率权重组合而成的离散分布； 步骤3.4为构建概率不确定集合，需对权重施加两类约束：首先，所有极端场景的加权均值应位于以历史数据均值为中心的置信区间内；其次，该极值分布与经验分布之间的瓦瑟斯坦距离不得超过给定的模糊度参数； 步骤3.5分布鲁棒优化模型即在最坏分布下，寻求使得期望运行成本与线损之和最小的调度策略；通过求解该模型，即可获得考虑风光不确定性、具备鲁棒性的实时资源调度方案及对应的理论线损值。

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安徽电气工程职业技术学院;国网安徽省电力有限公司培训中心，其通讯地址为：230051 安徽省合肥市包河大道56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。