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！

龙图腾网恭喜国网宁夏电力有限公司申请的专利一种基于深度学习的自适应经济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：CN113935600B 。

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：202111149873.5，技术领域涉及：G06Q10/0631；该发明授权一种基于深度学习的自适应经济调度系统及方法是由马军;张越;王运;蒙飞;刘刚;王鑫;高任龙;朱仔新;白鹭;孙阳;张静忠;余建明;单连飞;张连超;刘艳设计研发完成，并于2021-09-29向国家知识产权局提交的专利申请。

本一种基于深度学习的自适应经济调度系统及方法在说明书摘要公布了：本发明公开了一种基于深度学习的自适应经济调度系统，其特征在于：它包括负荷矩阵构建模块、自适应学习模型及训练样本集构建模块、学习模型的训练目标构建模块、差异化训练样本集构建模块、长短期记忆网络构建模块和实时经济调度自适应学习模型构建模块；本发明基于完美调度理念生成学习模型训练目标，并利用系统中存储的海量历史数据对LSTM‑IIU网络对进行训练，一旦学习模型构建完成，将目标调度时刻的预测数据输入即可得到对应的实时经济调度方案。

本发明授权一种基于深度学习的自适应经济调度系统及方法在权利要求书中公布了：1.一种基于深度学习的自适应经济调度系统，其特征在于：它包括负荷矩阵构建模块1、自适应学习模型及训练样本集构建模块2、学习模型的训练目标构建模块3、差异化训练样本集构建模块4、长短期记忆网络构建模块5和实时经济调度自适应学习模型构建模块6；其中，负荷矩阵构建模块1用于利用负荷中各机组出力在时间上的连续性和负荷预测数据的时空复杂度，构建面向各调度时刻预测负荷矩阵；自适应学习模型及训练样本集构建模块2用于针对面向各调度时刻预测负荷矩阵利用矩阵相关性分析筛选各调度时刻的关键历史时刻，并以各调度时刻的关键历史时刻确定面向各调度时刻的自适应学习模型；学习模型的训练目标构建模块3用于对各调度时刻的自适应学习模型利用完美调度理论生成各调度时刻自适应学习模型的训练目标；差异化训练样本集构建模块4用于对当前调度时刻的负荷矩阵与历史调度时刻的负荷矩阵做相似度系数计算，将大于设定相似度系数的历史调度时刻负荷矩阵作为当前调度时刻负荷矩阵的关键特征，形成差异化样本集；长短期记忆网络构建模块5用于将各调度时刻自适应学习模型的负荷预测误差作为长短期记忆网络的内部输入得到基于负荷测误差更新的长短期记忆网络；实时经济调度自适应学习模型构建模块6用于利用基于负荷测误差更新的长短期记忆网络构建面向各调度时刻的实时经济调度自适应学习模型；所述面向各调度时刻预测负荷矩阵为： 式中，为调度时刻t对应的预测负荷矩阵，m为负荷数据的时间跨度，n为系统中的负荷节点数，表示第m天调度时刻t时，节点n处的负荷预测值；调度时刻t的历史时刻i的取值为1到k，每个调度时刻有k个关于历史时刻的预测负荷矩阵其结构如下： 式中，为历史时刻t-i的预测负荷矩阵，表示第m天历史时刻t-i时，节点n处的负荷预测值；为了量化矩阵和矩阵之间的相关性，确定各调度时刻的关键历史时刻，将皮尔逊相关系数法由向量层面扩展到矩阵层面以计算相关系数，其计算公式如下所示： 式中，r表示两个矩阵之间的相关系数，和分别为矩阵和中元素的平均值，☉为矩阵乘法，∑表示按行或列对矩阵中元素求和；调度时刻t共有k个历史时刻，且面向每个历史时刻分别构建一个负荷预测矩阵因此关于调度时刻t的相关系数r共有k个，相关系数r大于0，则说明和存在正相关关系，且r越大表示两者之间的相关性越强；在得到调度时刻t与k个历史时刻的相关系数后，为确定其关键历史时刻，将相关系数按降序进行排列，计算相邻两个相关系数差值的数量级，大于预设相关系数阈值的相关系数所对应的历史时刻即为该调度时刻的关键历史时刻，以各调度时刻的关键历史时刻确定面向各调度时刻的自适应学习模型。

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宁夏电力有限公司，其通讯地址为：750010 宁夏回族自治区银川市长城东路288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”。