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！

龙图腾网获悉国网湖南省电力有限公司;国网湖南省电力有限公司信息通信分公司;国家电网有限公司申请的专利一种电力数据中台数据链路异常类型自动判别方法及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：CN120780532B 。

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：202511297222.9，技术领域涉及：G06F11/07；该发明授权一种电力数据中台数据链路异常类型自动判别方法及系统是由蒋广;薛静远;喻理文;曹杰;祝视;眭建新;梁翼园设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本一种电力数据中台数据链路异常类型自动判别方法及系统在说明书摘要公布了：本发明公开了一种电力数据中台数据链路异常类型自动判别方法及系统。本发明方法包括以下步骤：获取电力数据中台数据文本原始数据，并进行预处理，得到原始数据集；对原始数据集标注，最终得到训练数据集；基于语言大模型，构建初始分层强化学习优化模型；基于原始数据集以及训练数据集，通过结合监督与无监督的联合训练方式，对模型进行训练，得到分层强化学习优化模型；使用分层强化学习优化模型，进行实际的电力数据中台数据链路异常判别。本发明方法通过构建分层强化学习优化模型，集合多个智能体，实现高精度、低延迟、可持续的电力数据中台异常类型的自动判别，保障了电网的稳定运行。

本发明授权一种电力数据中台数据链路异常类型自动判别方法及系统在权利要求书中公布了：1.一种电力数据中台数据链路异常类型自动判别方法，其特征在于，包括以下步骤： S1.获取电力数据中台数据文本原始数据，并进行预处理，得到原始数据集； S2.对原始数据集标注，最终得到训练数据集； S3.基于语言大模型，构建初始分层强化学习优化模型； S4.基于步骤S1得到的原始数据集以及步骤S2得到的训练数据集，通过结合监督与无监督的联合训练方式，对初始分层强化学习优化模型进行训练，得到分层强化学习优化模型； S5.使用分层强化学习优化模型，进行实际的电力数据中台数据链路异常判别； 步骤S4中，对底层模型采用无监督预训练，直接使用无标注日志数据进行BERT模型和双向LSTM模型的预训练，学习日志的通用语义和时序特征，再使用预标注好的训练数据集通过SFT进行微调； 采用训练数据集采用混合损失函数对中层模型中的BERT语义深度模型、fasttext分类速度模型以及双向LSTM时序关联模型进行训练，通过损失加权融合优化中层模型；采用课程学习策略，先训练设备故障样本，再训练网络攻击样本，最后通过FocalLoss提升难样本权重； 采用强化学习策略优化高层模型，具体为：在预设指标上设置奖励函数，通过策略梯度更新决策参数；所述预设指标包括异常处理准确率、响应时间、误报成本；所述决策参数包括异常置信度阈值； 最后构建强化学习框架，对初始分层强化学习优化模型进行整体的迭代优化，具体包 括：对于底层模型通过Q-learning处理单条日志的基础特征，输出特征重要性得分；对于中 层模型使用策略梯度算法整合多特征得分，得到判别结果置信度；对于高层模型基于A2C算 法，根据判别结果置信度决策处理动作；对于模型输出的低于置信度阈值的输出结果进行 人工标注，标注数据存入微调训练数据集；每间隔预设时间，使用微调训练数据集对中层模 型进行SFT微调，采用学习率迭代5轮，更新中层模型参数；每间隔预设时间基于人工审 核数据更新优化高层模型强化学习的函数权重。

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国网湖南省电力有限公司;国网湖南省电力有限公司信息通信分公司;国家电网有限公司，其通讯地址为：410004 湖南省长沙市天心区新韶东路398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。