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！

龙图腾网获悉中能光和(苏州)新能源科技有限公司申请的专利基于改进深度学习的充电桩电能消耗预测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：CN119130713B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202411125597.2，技术领域涉及：G06Q50/06；该发明授权基于改进深度学习的充电桩电能消耗预测方法是由沈洁;张旭;罗火珍设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本基于改进深度学习的充电桩电能消耗预测方法在说明书摘要公布了：本发明公开了基于改进深度学习的充电桩电能消耗预测方法，包括如下步骤：对收集到的充电桩电能消耗数据进行预处理；从预处理后的数据中提取天气数据、时间特征和特殊事件特征，形成特征数据集；利用动态稀疏连接网络和自监督学习的深度伪标签生成器构建混合深度学习模型，生成初步预测结果；引入变分信息瓶颈机制，生成优化后的特征表示；采用改进的张量融合网络，实现数据的深层次融合和特征提取；使用神经进化策略优化算法对新的特征表示进行训练，生成优化后的模型；通过变分贝叶斯验证方法，对优化后的模型进行验证；采用对抗性评估机制，优化预测结果在真实应用中的可靠性和准确性。

本发明授权基于改进深度学习的充电桩电能消耗预测方法在权利要求书中公布了：1.基于改进深度学习的充电桩电能消耗预测方法，其特征在于，包括如下步骤：S1、对收集到的充电桩电能消耗数据进行清洗、异常值处理和归一化，生成预处理后的数据；S2、从预处理后的数据中提取并生成相关特征，包括天气数据、时间特征和特殊事件，形成特征数据集；S3、利用生成的特征数据集，通过改进深度学习，构建混合深度学习模型，所述混合深度学习模型结合了动态稀疏连接网络和基于自监督学习的深度伪标签生成器，生成初步预测结果；S4、在混合深度学习模型中引入变分信息瓶颈机制，通过在信息压缩和特征提取之间找到最佳平衡点，使模型能够有效捕捉关键特征，优化初步预测结果，生成优化后的特征表示；S5、采用改进的张量融合网络，将优化后的特征表示与预处理后的数据和特征数据集，通过引入高阶特征交互和动态权重调整机制，实现数据的深层次融合和特征提取，得到新的特征表示；S6、使用神经进化策略优化算法对新的特征表示进行训练，通过进化算法优化神经网络结构和参数，生成优化后的模型；S7、通过引入变分贝叶斯验证方法，对优化后的模型进行验证，基于贝叶斯推理的原理，通过变分推断动态调整验证集的分布，使验证过程能够反映模型在未知数据上的表现；S8、采用对抗性评估机制，对验证后的模型进行评估，通过生成对抗样本评估模型的稳健性和抗干扰能力，优化预测结果在真实应用中的可靠性和准确性。

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中能光和(苏州)新能源科技有限公司，其通讯地址为：215316 江苏省苏州市昆山市玉山镇祖冲之南路1699号研发楼3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”。