(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211072630.0 (22)申请日 2022.09.02 (71)申请人 浙江工业大 学 地址 310014 浙江省杭州市下城区潮王路 18号 (72)发明人 郭方洪　刘冰　吴祥　吴麒　董辉　 陈积明　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 忻明年 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) H02J 3/02(2006.01) G06F 111/06(2020.01) G06F 111/04(2020.01) G06F 111/08(2020.01) (54)发明名称 一种基于混合学习优化的多电飞机秒级能 量调度方法 (57)摘要 本发明公开了一种基于混合学习优化的多 电飞机秒级能量调度方法， 包括： 构建多电飞机 能量调度的MIQP问题； 将 对MIQP问题的求解过程 分解为两个阶段： 第一阶段将整数变量优化问题 转化为马尔科夫决策过程； 利用深度强化学习模 型对马尔科夫决策过程进行求解， 得到整数变量 的可行解； 第二阶段利用求解得到的整数变量的 可行解将构建的MIQP问题简化为QP问题； 利用商 业求解器对所述QP问题进行求解， 得到连续变量 的最优解； 基于求解的整数变量的可行解和连续 变量的最优解， 得到多电飞机秒级的能量调度结 果。 本发明能显著提高优化速度与精度。 权利要求书4页 说明书12页 附图4页 CN 115456388 A 2022.12.09 CN 115456388 A 1.一种基于混合学习优化的多电飞机秒级能量调度方法， 其特征在于， 所述基于混合 学习优化的多电飞机秒级能量调度方法， 包括： 步骤1、 构建多电飞机能量调度的MI QP问题； 步骤2、 将对MI QP问题的求 解过程分解 为两个阶段； 步骤2.1、 第一阶段： 对MI QP问题中的整数变量优化； 步骤2.1.1、 将整数变量优化问题转 化为马尔科 夫决策过程； 步骤2.1.2、 利用深度强化学习模型对马尔科夫决策过程进行求解， 得到整数变量的可 行解； 步骤2.2、 第二阶段： 对MI QP问题中的连续变量优化； 步骤2.2.1、 利用求 解得到的整数变量的可 行解将构建的MI QP问题简化 为QP问题； 步骤2.2.2、 利用商业 求解器对所述 QP问题进行求 解， 得到连续变量的最优解； 步骤3、 基于求解的整数变量的可行解和连续变量的最优解， 得到多电飞机秒级的能量 调度结果。 2.如权利要求1所述的基于混合学习 优化的多电飞机秒级能量调度方法， 其特征在于， 所述构建多电飞机能量调度的MI QP问题， 包括： 步骤1.1、 建立约束条件： 1.1)母线与负载优先级约束； 一是负载连接优先级约束， 不可卸负载的连接优先级高于可卸负载； 二是每台发电机 与主母线、 主母线与次级母线之间的连接优先级约束； 1.2)功率平衡约束； 式中， 为t时刻发电机k的输出功率； 分别为t时刻主母线q和次级母 线i的功率容量； 分别为t时刻发电机k与主 母线q、 主 母线q与次级 母线i之间的 传输功率； 分别为发电机k与主母线q、 主母线q与次级母线i之间的传输效率； 分别为t时刻与次级母线i相连的储能系统充放电功率和总负载需求； 分别为与次级母线i相 连的可卸负载需求和不可卸负载需求； 权　利　要　求　书 1/4 页 2 CN 115456388 A 2分别为t时刻与次级母线i相连的可卸 负载j1和不可卸 负载j2的连接关系， 分别为 发电机、 主母线、 次级母线的集合； 分别表示与次级母线i相连的可卸负载和不可卸 负载的集 合； 1.3)母线连接和发电机状态约束； 式中， ξkq(t)∈{0,1}为t时刻发电机k与主母线q的连接状态； 为t时刻主母 线q与次级母线i的连接状态； 为t时刻发电机k的运行状态； 1.4)发电机和母线功率 容量约束； 式中， 为发电机k的输出功率上下限； 分别为主母线q和次级母线i的 功率容量上限； 分别为发电机k与主母线q、 主母线 q与次级母线i之间的传输功率 上限； 1.5)发电机最佳工作范围约束； 式中， 为时刻t发电机k的最优工作点； 为在t时刻根据发动机 状态确定的最优发电机功率范围的上 下限； 1.6)储能系统约束； 在t时刻， 与次级母线i相连的储能系统的充放电功率 处于充电状态， 处于放电状态， 但充放电过程不能同时进行， SoC的变化量ΔSoC反映了储能系统 充放电过程， 其关系如下： 权　利　要　求　书 2/4 页 3 CN 115456388 A 3