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！

龙图腾网获悉广东惠电佳能源有限公司申请的专利一种可预测电量的售电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：CN121119767B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202511262611.8，技术领域涉及：G06Q10/0637；该发明授权一种可预测电量的售电管理系统是由郭剑云设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本一种可预测电量的售电管理系统在说明书摘要公布了：本发明公开了一种可预测电量的售电管理系统，涉及售电管理技术领域，包括：数据获取模块，用于采集预测所需的基础数据；输入构造模块，用于对基础数据进行预处理和结构增强，并从中提取包含多个原始输入向量的初步输入特征序列；并且所述输入构造模块依据预设对称结构构造规则，针对预设的关键输入特征生成对应的镜像向量，并将镜像向量与原始输入向量拼接，构成扩展输入序列。本发明通过在输入构造模块中引入镜像向量与扩展输入序列，显著增强了模型对趋势突变点和周期跳变的识别能力，与仅依赖原始特征的输入方式相比，该方法能够在输入端建立对称特征表达，使预测模型在处理负荷反转、季节性波动等场景时具备更强的结构感知能力。

本发明授权一种可预测电量的售电管理系统在权利要求书中公布了：1.一种可预测电量的售电管理系统，其特征在于，包括： 数据获取模块，用于采集预测所需的基础数据； 输入构造模块，用于对基础数据进行预处理和结构增强，并从中提取包含多个原始输入向量的初步输入特征序列； 并且所述输入构造模块依据预设对称结构构造规则，针对预设的关键输入特征生成对应的镜像向量，并将镜像向量与原始输入向量拼接，构成扩展输入序列； 电量预测模块，基于扩展输入序列，通过时序神经网络模型生成第一轮预测结果，并输出预测时段内的第一轮预测电量序列； 周期修正模块，基于历史周期性误差行为对第一轮预测电量序列进行趋势性调整，并输出修正预测电量序列； 扰动反馈模块，用于将修正预测电量序列与对应时段的实际用电量数据进行比对，形成扰动残差链；并通过聚类分析与模式识别方法提取扰动诱因特征，将其编码为扰动特征向量，并嵌入至下一轮扩展输入序列中； 售电计划生成模块，将扰动反馈模块输出的预测电量序列与售电合同约束条件匹配，生成售电执行计划信息； 所述输入构造模块生成对应的镜像向量的步骤，包括： S1、根据所述基础数据中的特征重要性评估结果，选取与负荷变化高度相关、且具有明显周期性或趋势反转特征的输入变量，构成包括多个关键输入特征的关键输入特征集； S2、针对每个关键输入特征，基于其在训练数据或滑动时间窗内的统计特性，确定其对称参考值，作为镜像映射的对称中心基准； 所述对称参考值为：历史均值、分布中位数或人为设定的特定阈值； S3、对每一个原始关键输入特征值，按下列公式生成其对应的镜像特征值： ； S4、将所有关键输入特征的镜像值组合形成镜像向量，其维度与原始关键特征子向量一致，随后将原始输入向量与对应的镜像向量在特征维度上进行拼接，得到扩展输入向量； 所述输入构造模块构成扩展输入序列的方法，包括： Z1、获取当前预测时刻对应的原始输入向量，所述原始输入向量由多个原始关键输入特征值组成，表示为： ； 其中，表示第i个原始关键输入特征值，d为特征维度数； Z2、针对每一原始关键输入特征值，基于其历史统计属性计算对应的对称参考值，并生成镜像特征值； Z3、将所有维度下的镜像特征值依序排列，组合形成镜像向量： ； Z4、将原始输入向量与镜像向量在特征维度上进行拼接，构成扩展输入向量： ； Z5、在设定的滑动窗口长度L内，提取连续时间步的扩展输入向量，构成预测模型的输入序列： ； 所述周期修正模块输出修正后修正预测电量序列的步骤，包括： Y1、周期修正模块预设若干固定周期长度； 对于每种固定周期长度，选取多个历史周期样本序列； 对每一周期内的每个时间点分别计算真实电量与第一轮预测电量之间的差值，形成时间序列残差数据； 将残差数据按周期内相对位置进行对齐，形成多个历史周期的残差集合； Y2、对于每一类周期长度，基于其历史周期残差集合，构建残差统计曲线； Y3、周期修正模块根据当前时刻的输入特征中的时间戳信息，提取该预测任务所对应的时段标签； Y4、基于所述时段标签，从所述残差统计曲线中匹配选取与当前预测输入最相似的历史周期残差模板； Y5、将选定周期残差模板中的每个时间点残差值与第一轮预测结果一一对应进行修正操作： 修正后预测值=第一轮预测值+对应时间点残差值； Y6、输出所述周期残差对齐后的修正预测电量序列，作为周期修正模块的输出； 所述售电计划生成模块将整段售电合同履约电量划分为多个细粒度片段，并依据每个片段的预测偏差动态判断其是否进入执行状态； 所述售电计划生成模块判断预测偏差动态的方法，包括： A1、将目标售电合同的履约周期按预设时间粒度划分为N=各等长时间片段，得到合同片段集C={,,...,}；其中，=，，表示第i个合同片段，具有执行时段和目标履约电量； A2、获取片段预测值从扰动反馈模块输出的最终预测电量序列中提取与各片段时段对应的预测值，即；其中，表示预测模型对时段的预测电量值； A3、系统对每个合同片段计算预测误差：，同时设定偏差阈值； A4、对于每个片段： 若≤，则该片段被标记为“可执行”； 若＞，则该片段状态设为“冻结”，不进入执行调度，并推入待延期队列Q； 冻结片段记录为：Q={∣＞}； A5、系统在后续时间周期内持续重新预测； 每当新预测更新，对冻结片段队列Q中的片段重新计算并进行判定： 若满足≤，则该片段解冻，加入最近可执行周期进行兑现； 若持续不满足偏差要求，且超出最大延期窗口，则进入人工调度或违约处理流程； A6、结算时，以合同片段为单位对实际执行电量与目标履约电量进行偏差计算，记录偏差率： ； 并且系统基于每个已执行合同片段的偏差率与预设奖惩分段策略，分别执行分级奖惩结算； 所述电量预测模块在扩展输入序列中检测趋势突变点，并基于当前输入特征状态从预设的多个候选预测模型中选择目标预测模型进行电量预测，包括： H1、实时接收由输入构造模块输出的扩展输入序列，表示当前时刻t的扩展输入向量； 并设定滑动窗口长度W，对关键输入特征维度进行连续时间步的斜率、梯度、残差标准差的计算； H2、当监测到某一关键输入特征维度的变化速率超过预设斜率阈值、或残差标准差超过残差突变阈值时，系统判断当前输入序列出现“趋势分岔”，生成分岔标志位； H3、系统维护多个候选预测模型，当分岔标志时，系统根据当前输入特征的上下文状态，通过相似度评分函数对各候选模型进行匹配评估，从中选取与当前状态最相似的目标预测模型进行预测； H4、模型重构完成后，生成预测电量序列，其中，H为预测步长； 同时，将分岔标志、所选模型编号、切换时间戳信息一并传递至扰动反馈模块。

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广东惠电佳能源有限公司，其通讯地址为：519000 广东省珠海市南屏科技工业园屏西二路5号综合楼第四层427、428、435室；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。