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！

龙图腾网获悉湖南数界科技有限公司申请的专利基于深度学习与用户需求响应的电力调度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：CN121543988B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610055549.3，技术领域涉及：G06Q10/0631；该发明授权基于深度学习与用户需求响应的电力调度系统及方法是由罗文设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本基于深度学习与用户需求响应的电力调度系统及方法在说明书摘要公布了：本发明公开了基于深度学习与用户需求响应的电力调度系统及方法，涉及电力调度技术领域。该基于深度学习与用户需求响应的电力调度系统及方法，包括以下步骤：S1，建立数据源注册表并采集响应数据集，输出窗口化调度数据包；S2，构建深度学习需求响应表征模型，生成调度动作候选集；S3，构建需求响应调度效果评估器，生成响应净效果序列；S4，构建全局调度生成与跨对象协同编排机制，构建在线回退机制。本发明有效提升了可控负荷在需求响应场景下的调度可执行性、可验证性与闭环自优化能力，解决了外部扰动难剥离、执行证据难对齐易误判回灌、下发链路难追溯且缺乏回退保障导致调度趋于保守的问题。

本发明授权基于深度学习与用户需求响应的电力调度系统及方法在权利要求书中公布了：1.基于深度学习与用户需求响应的电力调度方法，其特征在于，包括以下步骤： S1，建立数据源注册表并采集响应数据集，生成报文唯一标识，执行统一语义封装与构建响应窗口索引，输出窗口化调度数据包； S2，基于窗口化调度数据包构建深度学习需求响应表征模型，生成可控域表征，构建指令可行性约束集，生成调度动作候选集； S3，基于双重机器学习框架构建需求响应调度效果评估器，生成响应净效果序列，构建执行置信判定函数，输出三元结果； S4，基于调度动作候选集构建全局调度生成与跨对象协同编排机制，将调度动作序列编译为指令事务集合，构建在线回退机制； 所述建立数据源注册表并采集响应数据集，生成报文唯一标识的具体过程为： 对现场与外部的数据源进行统一登记，建立数据源注册表；采集响应数据集，响应数据集包括：负荷数据集、运行状态数据集、控制状态数据集和干扰数据集；对采集链路中的每条报文同时记录设备本地时间、边缘网关接收时间与平台入库时间，并生成报文唯一标识；写入原始报文归档仓并采用追加写方式不可变保存，生成原始报文不可变归档仓； 所述基于窗口化调度数据包构建深度学习需求响应表征模型，生成可控域表征的具体过程为： 输入窗口化调度数据包，构建观测序列和构建深度学习需求响应表征模型：基于观测序列构建需求响应表征网络，对空调与照明分别学习统一隐空间表示：需求响应表征网络采用双塔结构，对空调对象序列使用时序卷积网络提取响应特征，对照明对象序列使用状态事件编码器与负荷序列编码器提取响应特征，并在融合层引入跨模态注意力机制，将环境扰动与运营扰动对负荷变化的影响显式注入；在表征网络输出端构建多头预测结构，输出对象在当前场景下的可控域与不确定性表征；将多头预测输出写入资源画像表，形成资源动态画像；输出资源动态画像与可控域表征结果； 所述构建指令可行性约束集，生成调度动作候选集的具体过程为： 输入资源动态画像与可控域表征结果，构建指令可行性约束集；基于指令可行性约束集生成调度动作候选集；耦合惩罚项通过由资源动态画像中的失败概率、延迟概率、恢复反弹风险强度与净效果不确定性强度进行非线性耦合运算得到；将裕度表征值除以尺度参数值，再代入门控函数得到可行性通过度；将所有可行性通过度相乘，得到门控乘积项；取净效果正部乘以净效果饱和系数后取负值进行指数运算，将固定值减去指数运算得到正向项，取耦合惩罚项乘以风险惩罚系数后取负值进行指数运算，得到惩罚项；将门控乘积项、正向项和惩罚项相乘，得到非线性可行性评分值，输出指令可行性约束集与调度动作候选集； 所述基于双重机器学习框架构建需求响应调度效果评估器，生成响应净效果序列的具体过程为： 输入窗口化调度数据包和资源动态画像，构建处理变量与执行证据充分性指标；引用对响应主窗口进行可执行分段，构建因果对齐时间轴；从窗口化调度数据包中抽取协变量并构建时序协变量矩阵与场景标签向量；构建结果变量并进行反事实基线建模； 采用双重机器学习框架构建需求响应调度效果评估器训练反事实预测模型并生成未执行反事实基线曲线；在训练阶段，对每个对象级生效片段采用交叉拟合策略：将样本划分为若干互斥子集，在一部分子集上训练处理模型以估计执行倾向概率，在另一部分子集上训练结果模型以预测在给定协变量与执行状态下的负荷结果；将执行状态强制置为未执行状态得到未执行反事实基线曲线，将执行状态置为证据链判定的实际执行状态得到执行条件预测曲线，基于反事实基线曲线输出净效果序列；将反事实基线曲线与净效果序列写入效果评估血缘索引表，输出效果评估血缘索引表； 所述构建执行置信判定函数，输出三元结果的具体过程为： 输入效果评估血缘索引表，构建扰动强度向量和执行置信判定函数，输出净效果、扰动强度和执行置信的三元结果：构建执行置信判定函数并输出执行置信值：证据增强项通过对执行证据充分性评分值进行阈值平移与尺度归一后再进行平滑增强得到；惩罚软最大聚合项通过将不确定性惩罚值与冲突惩罚值进行软最大聚合得到；扰动抵消判别增强项通过对净效果相对扰动的归一比值进行阈值比较后再进行平滑增强得到；将证据增强项与扰动抵消判别增强项相加，相加的和代入门控函数，得到增强项；增强项减去惩罚软最大聚合项，得到执行置信值； 当执行置信值大于或等于置信上阈值时，输出高执行置信标签；当执行置信值大于等于置信下阈值且小于置信上阈值，并且生效片段内的扰动强度聚合值大于等于扰动强度阈值时，输出已执行但被扰动抵消标签，并将执行置信等级标记为中高执行置信；当执行置信值小于置信下阈值，并且生效片段内满足运营自然下降判定条件时，输出未执行但自然下降标签，并将执行置信等级标记为低执行置信；将净效果、扰动强度和执行置信的三元结果写入响应效果评估表，并以执行置信值作为门控因子触发资源动态画像的可信更新；输出响应效果评估表。

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湖南数界科技有限公司，其通讯地址为：410114 湖南省长沙市雨花区同升街道汇金路877号嘉华智谷产业园B3栋104；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。