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！

龙图腾网获悉福建闽光软件股份有限公司;福建三钢闽光股份有限公司申请的专利基于深度学习的能源智能调度管理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：CN121602356B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610099515.4，技术领域涉及：H02J3/00；该发明授权基于深度学习的能源智能调度管理系统是由吴健;王榕;蔡恒斌;林阳;李坚;卢沛春;陈勋泉;汪慧敏;张晓渊设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本基于深度学习的能源智能调度管理系统在说明书摘要公布了：本发明公开了基于深度学习的能源智能调度管理系统，涉及能源调度管理技术领域，包括数据获取模块、特征预处理模块、负载预测模块、权重评估模块、策略生成模块、协同控制模块及策略更新模块；通过采集各能源单元的历史与实时运行数据，构建初始特征集，并经预处理得到净化特征集后，输入至基于双向门控循环单元和注意力机制的深度学习模型中，对负载功率与储能状态的多步预测；结合预测误差与调节能力评分生成动态调度权重，输入至强化学习模型中生成调度策略，驱动能源单元协同运行；通过反馈偏差优化策略模型，实现闭环自适应更新；本发明实现了多能源系统的精准预测、高效调度与智能优化，突破了传统规则式调度响应滞后、适应性差的问题。

本发明授权基于深度学习的能源智能调度管理系统在权利要求书中公布了：1.基于深度学习的能源智能调度管理系统，其特征在于：包括： 数据获取模块：获取设定工业园区中各能源单元的历史运行数据及实时采集数据，并建立初始特征集F0； 特征预处理模块：对初始特征集F0进行预处理，得到预处理后的能源运行特征集F1； 负载预测模块：将能源运行特征集F1输入预先训练的多通道深度时序神经网络模型M1中，预测未来多个时间步内各能源单元的负载趋势、储能状态与环境扰动因子，输出预测结果集P； 权重评估模块：基于预测结果集P与实际运行状态数据计算各能源单元的误差评估指标，并结合每个能源单元的最大可调功率、响应时间与启停约束时间构建调节能力评分，并将误差评估指标与调节能力评分加权融合，构建动态调度权重矩阵W； 其中，所述权重评估模块包括：对预测结果集P与实时运行数据的差值计算每个时间步的预测偏差率，进一步结合历史偏差构建误差评估指标；并从设备运行参数中提取最大可调功率、响应时间与启停间隔，经归一化处理后输入多项式回归模型中，输出调节能力评分； 将归一化后的最大可调功率，响应时间和启停约束时间转换为综合特征向量，将综合特征向量作为机器学习模型的输入，机器学习模型以每组综合特征向量预测调节能力评分标签为预测目标，以最小化对所有调节能力评分标签的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止模型训练，根据模型输出结果确定调节能力评分，其中，机器学习模型为多项式回归模型； 其中，将误差评估指标与调节能力评分归一化后进行加权融合，构建动态调度权重矩阵W，所述动态调度权重矩阵W反映每个能源单元在调度过程中的参与优先级； 策略生成模块：将动态调度权重矩阵W与各能源单元的当前运行约束条件进行特征融合，作为状态输入输入至基于近端策略优化算法构建的深度强化学习模型中，根据复合型奖励函数输出调度动作策略； 协同控制模块：根据调度动作策略控制各能源单元的运行行为； 策略更新模块：采集各能源单元调度执行后的运行反馈数据，构建调度执行偏差指标，作为负奖励信号与当前状态特征、调度动作策略共同组成训练样本，存入经验回放池，并采用近端策略优化算法对深度强化学习模型进行策略迭代训练，持续优化调度动作策略。

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福建闽光软件股份有限公司;福建三钢闽光股份有限公司，其通讯地址为：365000 福建省福州市鼓楼区华林路211轻安大厦8层；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。