CN120300823A 一种基于ai的无功补偿优化方法及系统 （锦州中瑞电器设备有限公司）.pdfVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120300823A

(43)申请公布日2025.07.11

(21)申请号202510772478.4G06N3/0499(2023.01)

G06N3/092(2023.01)

(22)申请日2025.06.11

(71)申请人锦州中瑞电器设备有限公司

地址121000辽宁省锦州市凌海市大凌河

工业园区北一路4号

(72)发明人赵海洋赵英洁刘清凯

(74)专利代理机构安徽思尔六知识产权代理事

务所(普通合伙)34244

专利代理师何维胜

(51)Int.Cl.

H02J3/18(2006.01)

H02J3/46(2006.01)

H02J3/14(2006.01)

G06F17/16(2006.01)

G06N3/042(2023.01)

权利要求书4页说明书17页附图2页

(54)发明名称

一种基于AI的无功补偿优化方法及系统

(57)摘要

本发明涉及电网运维技术领域，公开了一种

基于AI的无功补偿优化方法及系统，其方法包括

以下步骤，集成交通流量、电网负荷、用户偏好及

设备健康度四维特征，构建时空关联图模型，通

过动态图卷积与注意力机制实现拓扑结构的自

适应演化，融合图神经网络时空特征与BiGRU时

序建模，注入设备健康度衰减因子，生成带不确

定性量化的充电需求预测结果，扩展智能体状态

空间并改进奖励函数，在策略网络与近端优化中

嵌入设备健康度约束。本发明通过实时感知设备

劣化状态，智能调整无功补偿策略，在保障电压

稳定的同时延长老旧设备使用寿命，通过前馈‑

A反馈复合控制与动态再调度，有效抑制偏差累积

3效应，确保调度指令与实际出力精准匹配。

2

8

0

0

3

0

2

1

N

C

CN120300823A权利要求书1/4页

1.一种基于AI的无功补偿优化方法，其特征在于，包括以下步骤：

S100，集成交通流量、电网负荷、用户偏好及设备健康度四维特征，构建时空关联图模

型，通过动态图卷积与注意力机制实现拓扑结构的自适应演化；

S200，融合图神经网络时空特征与BiGRU时序建模，注入设备健康度衰减因子，生成带

不确定性量化的充电需求预测结果；

S300，扩展智能体状态空间并改进奖励函数，在策略网络与近端优化中嵌入设备健康

度约束，实现考虑设备可靠性的分布式决策；

S400，云端进行全局资源调配，边缘执行多目标优化，通过ADMM算法实现云边协同求

解，生成带可靠性裕度的调度指令；

S500，整合历史偏差、调度指令与设备状态数据，采用TCN‑GAT混合模型预测未来执行

偏差并评估不确定性；

S600，结合前馈调度指令与PID反馈补偿，动态调整功率输出并实施设备优先级管理，

通过加密验证确保指令安全；

S700，监测累积负荷偏差并触发再调度机制，构建考虑设备可靠性的多目标模型，实现

新旧指令平滑切换；

S800，聚合实时执行数据，采用滑动窗口统计与异常过滤机制，递归更新设备健康度指

标并实施归一化处理。

2.根据权利要求1所述的一种基于AI的无功补偿优化方法，其特征在于，在S100中，具

体包括以下步骤：

S110，节点特征初始化：为每个路段节点构建多维特征向量，涵盖交通、电网、用户及设

备状态信息；

S120，边权重计算：基