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！

龙图腾网获悉河海大学申请的专利基于大数据的能源管理方法及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：CN121414075B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511973768.1，技术领域涉及：G06Q10/0631；该发明授权基于大数据的能源管理方法及系统是由邓梦华;朱祺杰;陶飞飞设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本基于大数据的能源管理方法及系统在说明书摘要公布了：本发明公开了基于大数据的能源管理方法及系统，属于能源管理技术领域，该方法通过数字孪生建模模块构建企业能源系统的数字孪生模型，建立物理与虚拟的实时映射关系；通过多源数据融合模块整合能源消耗、业务运营、环境参数和实时电价等多维度数据，基于自适应融合权重生成统一的能源状态特征向量；通过强化学习优化模块采用深度Q网络算法学习最优能源配置策略；通过闭环反馈调整模块对能源配置效果进行实时评估，生成反馈调整参数并传递至前置模块，四个模块形成深度耦合的闭环协同系统，本发明能够实现能源系统的实时建模、自适应优化和闭环反馈。

本发明授权基于大数据的能源管理方法及系统在权利要求书中公布了：1.基于大数据的能源管理方法，应用于企业能源管理系统，其特征在于，包括： 通过数字孪生建模模块构建企业能源系统的数字孪生模型，采集企业的能源设备参数、拓扑结构和运行状态，建立物理能源系统与虚拟能源模型的实时映射关系； 通过多源数据融合模块采集并融合多维度数据，获取能源消耗数据、业务运营数据、环境参数数据和实时电价数据，其中，所述能源消耗数据包括电力消耗、燃气消耗、热力消耗和水资源消耗，所述业务运营数据包括生产计划、业务量、设备利用率和人员流动，所述环境参数数据包括环境温度、湿度、光照强度和空气质量，所述实时电价数据包括峰谷电价、实时市场电价和阶梯电价；计算各数据源的时间对齐度和空间一致性，其中，时间对齐度定义为： , 其中，为数据源的时间对齐度，为数据源在统计周期内的数据点总数，为数据源第个数据点的时间戳与最近标准时间网格点的时间差，为标准时间粒度； 采用互信息方法计算空间一致性，定义为： , 其中，为数据源和数据源之间的空间一致性，为数据源的变量与数据源的变量之间的互信息，为变量的信息熵，为变量的信息熵，表示取最小值； 基于自适应融合权重算法，为各数据源分配融合权重： , 其中，为数据源的融合权重，为数据源的时间对齐度，为数据源与其他数据源之间的空间一致性，为数据源的质量评分，为数据源总数，、和为权重系数满足； 对融合权重进行归一化处理： , 其中，为归一化后的融合权重，为原始融合权重，为数据源总数； 基于归一化融合权重，生成统一的能源状态特征向量： , 其中，为融合后的能源状态特征向量，为数据源的归一化融合权重，为数据源经过标准化处理后的特征向量，为数据源总数； 通过强化学习优化模块基于所述能源状态特征向量进行能源配置优化，构建包含状态空间、动作空间和奖励函数的马尔可夫决策过程，采用深度Q网络算法学习最优能源配置策略，输出各能源类型的使用比例和采购方案；其中，所述深度Q网络算法的目标Q值计算公式为： , 其中，为目标Q值，为即时奖励，为折扣因子，表示在下一状态下所有可能动作中Q值最大的动作，为目标网络对下一状态和动作的Q值预测，为目标网络参数； 通过闭环反馈调整模块对能源配置效果进行实时评估，采集能源配置执行后的实际能效数据，包括实际能源成本、实际能耗和实际碳排放量；计算实际能效指标与预期能效指标的偏差，包括成本偏差率、能耗偏差率和排放偏差率；基于所述偏差确定调整强度，若偏差超过预设阈值则增大调整强度；生成反馈调整参数，包括数字孪生模型的更新步长、数据融合权重的调整系数和强化学习的学习率调整系数；将所述反馈调整参数传递至所述数字孪生建模模块以更新模型参数，传递至所述多源数据融合模块以动态调整各数据源的融合权重，并传递至所述强化学习优化模块以调整探索率和学习率，改进策略学习效果； 其中，所述数字孪生建模模块、多源数据融合模块、强化学习优化模块和闭环反馈调整模块形成深度耦合的闭环协同系统，所述闭环反馈调整模块的输出直接作为所述数字孪生建模模块的关键输入参数，所述强化学习优化模块的能源配置结果反向影响所述数字孪生建模模块的模型更新频率和所述多源数据融合模块的融合权重，实现模块间的相互促进和叠加增效；所述闭环协同系统实现以下协同效应：所述强化学习优化模块的优化结果反向影响所述数字孪生建模模块，根据能源配置的实际执行效果调整数字孪生模型的敏感参数权重；所述闭环反馈调整模块同时调整所述多源数据融合模块的融合权重和所述强化学习优化模块的学习参数，实现多模块参数的联合优化；通过模块间的深度耦合，实现数据流、控制流和反馈流的三重协同，确保系统整体性能的非线性提升。

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河海大学，其通讯地址为：210000 江苏省南京市江宁区秣陵街道佛城西路8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”。

以上内容由龙图腾AI智能生成。