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！

龙图腾网获悉中国电力科学研究院有限公司;国家电网有限公司申请的专利一种电网数字孪生模型生成式构建方法和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：CN117454766B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202311465927.8，技术领域涉及：G06F30/27；该发明授权一种电网数字孪生模型生成式构建方法和系统是由张鑫;李哲;申连腾;刘鸿斌;蒋炜;底晓梦;翟天一;贾强;黄天航;王致芃;高帅;程月瑄设计研发完成，并于2023-11-06向国家知识产权局提交的专利申请。

本一种电网数字孪生模型生成式构建方法和系统在说明书摘要公布了：本发明公开了一种网数字孪生模型生成式构建方法和系统，包括：获取电力系统中的多模态数据全集；基于LlAMA2模型抽取所述多模态数据全集的数据特征；基于所述多模态数据全集和对应的数据特征，构建面向数字孪生的电力系统预训练语言模型；所述电力系统预训练语言模型根据预先构建的提示词，输出对应的电网数字孪生模型。实现对新型电力系统物理设备的高精度、实时建模。

本发明授权一种电网数字孪生模型生成式构建方法和系统在权利要求书中公布了：1.一种电网数字孪生模型生成式构建方法，其特征在于，包括： 获取电力系统中的多模态数据全集；基于LlAMA2模型抽取所述多模态数据全集的数据特征； 基于所述多模态数据全集和对应的数据特征，构建面向数字孪生的电力系统预训练语言模型； 采用对比学习损失InfoNCE对所述电力系统预训练语言模型进行训练，选取所述多模态数据全集中的部分数据作为训练数据，根据所述训练数据的数据特征、图像与文本的余弦相似度将文本嵌入到对应的图像中，获得电力系统的设备运行的各个节点，连接所述各个节点，输出电力系统的设备运行拓扑结构； 选取所述多模态数据全集中的部分数据作为测试数据，采用点积计算，查询测试数据中图像或文本与所述多模态数据全集中图像或文本相似度，若所述相似度满足预设值，则完成对所述电力系统预训练语言模型的测试； 所述电力系统预训练语言模型根据预先构建的提示词，输出对应的电网数字孪生模型； 对所述电力系统预训练语言模型，测试完成后，还包括： 通过构建奖励模型，提高所述电力系统预训练语言模型的预测能力，具体包括： 定义人类训练者的反馈规则，设备运行状态的标准区间为[Slower,Supper]，则规则如下： 如果设备状态s满足Slower≤s≤Supper，则人类反馈值H＝1； 如果设备状态s不满足Slower≤s≤Supper，则人类反馈值H＝-1； 其中，Slower和Supper分别表示区间的下限和上限，s表示设备的当前状态； 选择深度Q网络作为强化学习模型，初始化一个Q网络:Qs,a；θ，其中s是状态，a是行动，θ是网络参数； 在每个时间步t，根据当前状态s和Q网络选择行动a，然后通过与环境交互得到新的状态s'和人类反馈值H； 构建奖励函数，第一部分使用人类反馈值H和Q网络的预测值Qs,a；θ的差的平方作为奖励函数R，第二部分使用一个基于设备状态的额外奖励，如果设备状态处于正常范围，给予正奖励；反之，如果设备状态异常，则给予负奖励，完成的奖励函数为： R＝H-Qs,a；θ2+β*|s-s′|2 其中，β是一个超参数，用于平衡两个部分的重要性，s和s'分别是行动前后的设备状态； 使用经验回放和目标网络策略更新Q网络，在经验回放中，将每一步的状态，行动，奖励，和新状态存入一个回放缓冲区D，即D＝{s,a,R,s'}，在每一时间步，从D中随机取出一批数据，并使用该数据和目标网络来计算损失函数以及更新Q网络的参数θ，具体损失函数为： Lθ＝E{s,a,R,s′}[R+γmax{a′}Qs′,a′；θ′-Qs,a；θ2] 其中，γ是折扣因子，θ'是目标网络的参数，在每一时间步中，用选取部分的θ来更新θ'，以保持目标网络的稳定。

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国电力科学研究院有限公司;国家电网有限公司，其通讯地址为：100192 北京市海淀区清河小营东路15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”。