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！

龙图腾网获悉四川大学申请的专利一种面向电力时间序列智能协同与决策的大模型构建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：CN119692415B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411777139.7，技术领域涉及：G06N3/082；该发明授权一种面向电力时间序列智能协同与决策的大模型构建方法是由战鹏祥;黄飞虎;廖思睿;徐文政;彭舰;弋沛玉;王金策设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种面向电力时间序列智能协同与决策的大模型构建方法在说明书摘要公布了：本发明公开了一种面向电力时间序列智能协同与决策的大模型构建方法，旨在解决电力场景中时间序列分析任务复杂、技术门槛高和预测结果缺乏透明性的问题。包括：S1、构建多样化电力时序数据集并增强其特性；S2、生成带有上下文描述的数据集；S3、设计时序思维链，完成电力时序数据与自然语言模态的对齐；S4、构造灵活提示词模板，生成多样化问答训练集；S5、采用低秩适配技术进行模型适配与监督微调，构建具备智能协同与决策能力的电力时序大模型。本发明方法显著降低了电力时间序列分析的技术门槛，提升了预测结果的准确性和透明性，可广泛应用于电力负荷预测、异常检测和能源优化调度等领域，为电力行业智能化转型提供技术支撑。

本发明授权一种面向电力时间序列智能协同与决策的大模型构建方法在权利要求书中公布了：1.一种面向电力时间序列智能协同与决策的大模型构建方法，其特征在于，包含以下步骤： S1、构建多样化电力时序数据集：从多个领域收集真实电力时间序列数据集，同时构建合成电力时序数据； S2、生成带有上下文描述的数据集，根据电力需求，构造多类型时序任务，对S1中电力时序数据进行分类、分时段处理，结合特征分解提取关键特征，并添加上下文信息；步骤S2具体为：S21、将电力时序数据按不同场景需求进行分类，包括以下几类：负荷数据：根据时间分段为日负荷、周负荷和月负荷序列；设备监测数据：按采样频率分为高频数据和低频数据；异常检测数据：按历史运行记录标注可能的异常区域，提取包含异常模式的子序列；S22、数据分时段处理时，利用时间窗口技术对数据进行切分；S23、结合时间序列的多模态特性，采用趋势分解和周期分解技术提取关键特征：基于滑动平均法提取长期趋势项，利用傅里叶变换提取主要周期分量；S24、为每段时序数据生成自然语言形式的上下文描述，包括：数据的来源信息；时间区间信息；任务相关描述； S3、设计时序思维链，完成电力时序数据与自然语言模态的对齐，将自然语言分析描述与时序数据一一对应，得到模态对齐的电力时序数据对，在步骤S3中，设计基于时序思维链的推理机制，具体为：S31、趋势分析：提取时间序列的长期变化趋势，建模其发展方向；周期性分析：识别时间序列中的周期性模式，量化其重复性特征；预测结果融合：对多种预测结果进行加权融合，生成最终预测值，时间序列可由趋势Tt、周期St和残差Rt组成：xt＝Tt+St+Rt，其中，Tt表示趋势成分，St表示周期成分，Rt表示随机噪声；S32、构建基于自然语言描述的时序思维链，通过分步推理引导模型逐步完成分析，利用模型识别长期变化趋势，识别主要周期模式，并生成自然语言描述；S33、对趋势变化、周期以及残差特征进行分析，生成潜在异常或因果关系的自然语言描述； S4、构造灵活提示词模板，生成多样化问答训练集，模板包括数据占位符、数据增强以及数据嵌入三部分，在步骤S4中，设计与应用灵活的提示词模板，具体为：S41、所述数据占位符通过定义通用标识符抽象数据内容，支持不同电力场景下的任务需求；S42、手动设计通用提示词模板，利用大语言模型仿写生成多种语言表达方式，构造不同语言风格的通用提示词模板和问答对，再利用另一个语言模型或人工校对验证生成内容的准确性；S43、将模态对齐后的时序数据特征嵌入通用提示词模板；S44、将每条时序数据对应的上下文描述和思维链推理嵌入通用提示词模板；S45、将嵌入后的通用提示词模板与电力时序数据结合，生成多样化问答对训练集； S5、利用步骤S4中所述多样化问答对训练集，采用低秩适配技术进行模型适配与监督微调，构建具备智能协同与决策能力的电力时序大模型。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。