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！

龙图腾网获悉贵州电网有限责任公司申请的专利基于AI技术的电网调控业务辅助性办公应用系统及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：CN119648121B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411501982.2，技术领域涉及：G06Q10/10；该发明授权基于AI技术的电网调控业务辅助性办公应用系统及方法是由冷思超;杨财;唐清松;罗佳佳;孙洁;段婷廷;石海英;黄佐林;王峰;王洪宝;辛晓云;谭文勇;刘洪呈;玄令卿;谢贵鲜设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本基于AI技术的电网调控业务辅助性办公应用系统及方法在说明书摘要公布了：本发明公开了基于AI技术的电网调控业务辅助性办公应用方法及系统，属于人工智能领域，包括数据准备与预处理模块、模型构建模块、模型结合模块、模型训练与优化模块，从OMS系统获取数据、收集并整理历史数据和标注数据，并进行预处理操作；加载BERT模型、定义DPCNN架构，并准备模型训练所需的参数和配置；将BERT模型的输出与DPCNN的输入相连接，并构建完整的BERT‑DPCNN模型；模型的训练、参数更新、性能监控以及测试评估。本发明满足调度域的各业务流程的复杂需求，提升电网调控运行全业务的工作效率，进一步推动企业的数字化转型及数字电网的建设；联动、协同调度域多个已有的生产管理系统，进行调控一体化建设及调度智能防误技术的补充。

本发明授权基于AI技术的电网调控业务辅助性办公应用系统及方法在权利要求书中公布了：1.基于AI技术的电网调控业务辅助性办公应用系统，其特征在于：包括数据准备与预处理模块、模型构建模块、模型结合模块、模型训练与优化模块； 所述数据准备与预处理模块，从系统获取数据，整理收集的数据，对数据进行清洗、标准化和分词，提升模型对文本的理解能力和后续处理的有效性； 所述模型构建模块，加载预训练的BERT模型获取文本的上下文信息并生成词向量，设计DPCNN卷积块以提取深层次的文本特征，拓展BERT模型的特征提取能力； 所述模型结合模块，将BERT输出的最后隐藏状态与DPCNN的输入连接，形成一个连贯的数据流，DPCNN的卷积块和池化层依次处理数据，提取深层特征并通过全连接层将特征映射到分类标签上进行文本分类； 所述模型训练与优化模块，使用BERT训练获得的词向量，进行前向传播和反向传播，动态调整学习率和优化器参数，通过监控损失函数和准确率，改进训练策略，使用softmax函数输出每个分类的概率，为决策提供依据； 其中，所述数据准备与预处理模块包括，通过系统获取三类数据包括检修申请单数据、业务规则数据以及标注数据； 所述检修申请单数据包括从OMS系统中获取检修申请单数据包括运策批复意见、停电范围、影响设备的关键信息，将检修申请单数据输入模型构建模块的预训练的BERT模型进行训练和测试； 所述业务规则数据包括收集并整理历史典型操作票数据、新设备投运启动方案和风险预警通知书，提供文本样本，将电网调控运行的业务逻辑和规则输入模型构建模块的预训练的BERT模型中进行学习； 所述标注数据包括收集并整理调度规程和电网相关标注，并将数据输入模型构建模块的预训练的BERT模型中进行监督学习； 将获取的获取三类数据进行预处理，包括文本清洗、标准化和分词； 所述文本清洗包括去除无关字符、标点符号，所述标准化包括统一文本格式、单位，所述分词包括将文本拆分成单词或词组，使模型理解文本语义； 所述模型构建模块包括，从预训练模型库中加载BERT模型，模型定义12个Transformer层、768个隐藏单元、12个self-atten-tionHeader和1.1亿个参数； 使用Tokenizer对原始文本进行分词，并将分词结果映射到预定义的嵌入矩阵中得到对应的嵌入向量并输入到BERT的Transformer编码器中，通过自注意力机制进一步处理； 定义DPCNN模型的卷积块，每个卷积块包含250个固定大小的卷积核，将DPCNN架构应用于BERT模型的输出之上，使用BERT模型的最后一层隐藏状态作为DPCNN的输入； 所述模型结合模块包括，文本分类和分类预测； 所述文本分类为将BERT模型的输出与DPCNN的输入相连接，传递BERT的最后一层隐藏状态给DPCNN的第一个卷积块； DPCNN架构中的卷积块和池化层依次处理输入数据，提取深层次的文本特征，每个卷积块包含两个卷积层和一个池化层，卷积层采用等长卷积，池化层使用12最大池化； 通过全连接层将DPCNN的输出映射到分类标签上，完成文本分类任务； 所述分类预测为全连接层将DPCNN提取的特征向量转换为分类概率，进行文本分类预测； 所述模型训练与优化模块包括，使用BERT将文本中的每个词在输入层转化为词向量，并拼接成向量矩阵，将向量矩阵输入到BERT模型中，进行前向传播计算损失； 通过反向传播算法计算梯度，并更新BERT模型的参数，将BERT模型的输出作为DPCNN网络的输入，并联合送入DPCNN网络中，在训练过程中，采用BertAdam优化器和学习率策略调整训练策略； 定义DPCNN网络由7个卷积块组成，每个卷积块包含两个卷积层和一个池化层； 卷积过程生成特征时，使用等长的卷积核进行矩阵乘法运算，并使用Mish激活函数进行非线性变换； 将转化后的向量传入Transformer编码层中抽取向量特征，并使用BertAdam算法动态调整； 输出层采用softmax函数给每一个分类结果都赋予一个概率值，表示每种分类的可能性； 使用测试数据集对最优模型进行测试，评估在真实应用场景中的性能。

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贵州电网有限责任公司，其通讯地址为：550002 贵州省贵阳市南明区滨河路17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。