買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉四川精智儀表科技有限公司申請(qǐng)的專利一種基于AI的抄表數(shù)據(jù)管理與資源調(diào)度優(yōu)化方法與系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120317639B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510793592.5，技術(shù)領(lǐng)域涉及：G06Q10/0631；該發(fā)明授權(quán)一種基于AI的抄表數(shù)據(jù)管理與資源調(diào)度優(yōu)化方法與系統(tǒng)是由黃鋮;唐穎;黃明康設(shè)計(jì)研發(fā)完成，并于2025-06-13向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于AI的抄表數(shù)據(jù)管理與資源調(diào)度優(yōu)化方法與系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于AI的抄表數(shù)據(jù)管理與資源調(diào)度優(yōu)化方法與系統(tǒng)，涉及抄表數(shù)據(jù)智能管理技術(shù)領(lǐng)域。其中，該方法包括：獲取計(jì)量表計(jì)的抄表數(shù)據(jù)，計(jì)量表計(jì)具有對(duì)應(yīng)的二維碼金屬標(biāo)識(shí)片；按地理區(qū)域和用戶類型對(duì)抄表數(shù)據(jù)進(jìn)行管理，形成多層級(jí)化數(shù)據(jù)特征體系，用戶類型包括居民類型與工業(yè)類型；采用AI模型，對(duì)多層級(jí)化數(shù)據(jù)特征體系進(jìn)行趨勢建模，以確定未來周期內(nèi)的能源用量趨勢；根據(jù)能源用量趨勢及網(wǎng)絡(luò)負(fù)載情況，動(dòng)態(tài)調(diào)整抄表任務(wù)，以動(dòng)態(tài)調(diào)度人力資源、數(shù)據(jù)資源、網(wǎng)絡(luò)資源與硬件資源；其中，電網(wǎng)拓?fù)湮恢镁幋a用于綁定抄表任務(wù)與電網(wǎng)物理傳導(dǎo)路徑的關(guān)聯(lián)關(guān)系。本申請(qǐng)實(shí)現(xiàn)了從抄表數(shù)據(jù)采集到資源調(diào)度的全鏈路優(yōu)化。

本發(fā)明授權(quán)一種基于AI的抄表數(shù)據(jù)管理與資源調(diào)度優(yōu)化方法與系統(tǒng)在權(quán)利要求書中公布了：1.一種基于AI的抄表數(shù)據(jù)管理與資源調(diào)度優(yōu)化方法，其特征在于，包括： 獲取計(jì)量表計(jì)的抄表數(shù)據(jù)，所述計(jì)量表計(jì)具有對(duì)應(yīng)的二維碼金屬標(biāo)識(shí)片，所述二維碼金屬標(biāo)識(shí)片上的二維碼存儲(chǔ)計(jì)量表計(jì)的標(biāo)識(shí)及電網(wǎng)拓?fù)湮恢镁幋a； 構(gòu)建基于地理區(qū)域維度、用戶類型維度及時(shí)間維度的動(dòng)態(tài)索引體系；其中，地理區(qū)域維度按電網(wǎng)拓?fù)鋭澐志W(wǎng)格編碼，用戶類型維度按標(biāo)簽樹層級(jí)劃分； 基于所述動(dòng)態(tài)索引體系對(duì)所述抄表數(shù)據(jù)進(jìn)行層級(jí)化重組；其中，在地理區(qū)域維度上，按網(wǎng)格編碼對(duì)所述抄表數(shù)據(jù)進(jìn)行空間聚類，生成包括實(shí)時(shí)負(fù)荷密度與設(shè)備分布密度的區(qū)域特征；在用戶類型維度上，通過標(biāo)簽樹遍歷匹配用戶特征，生成包括負(fù)荷曲線形態(tài)與設(shè)備配置標(biāo)識(shí)的類型特征； 將重組后的抄表數(shù)據(jù)與時(shí)間維度進(jìn)行多尺度關(guān)聯(lián)，生成包括基礎(chǔ)數(shù)據(jù)層、維度特征層及跨維度融合層的多層級(jí)化數(shù)據(jù)特征體系，用戶類型包括居民類型與工業(yè)類型； 將所述基礎(chǔ)數(shù)據(jù)層的特征、所述維度特征層的特征及所述跨維度融合層的特征，映射至因果神經(jīng)場脈沖網(wǎng)絡(luò)模型的節(jié)點(diǎn)； 其中，地理網(wǎng)格節(jié)點(diǎn)的空間場強(qiáng)基于網(wǎng)格編碼構(gòu)建并攜帶負(fù)荷參數(shù)，用戶類型節(jié)點(diǎn)的行為脈沖強(qiáng)度基于標(biāo)簽樹的負(fù)荷曲線形態(tài)及設(shè)備配置標(biāo)識(shí)生成，時(shí)間節(jié)點(diǎn)的周期模式由健康設(shè)備衰減率與負(fù)荷波動(dòng)特征調(diào)制； 其中，所述因果神經(jīng)場脈沖網(wǎng)絡(luò)模型基于歷史電網(wǎng)拓?fù)鋽?shù)據(jù)及負(fù)荷數(shù)據(jù)訓(xùn)練得到，優(yōu)化目標(biāo)為最小化電網(wǎng)傳導(dǎo)路徑模擬偏差；其中，所述因果神經(jīng)場脈沖網(wǎng)絡(luò)模型的訓(xùn)練過程包括：反向傳播調(diào)整場強(qiáng)權(quán)重時(shí)，若某線路的實(shí)際負(fù)荷擴(kuò)散速度比模型預(yù)測值快20%，則將該線路節(jié)點(diǎn)與下游節(jié)點(diǎn)的場強(qiáng)耦合系數(shù)提高10%； 在所述因果神經(jīng)場脈沖網(wǎng)絡(luò)模型中構(gòu)建電網(wǎng)物理傳導(dǎo)路徑；其中，地理網(wǎng)格節(jié)點(diǎn)間的負(fù)荷傳導(dǎo)路徑根據(jù)設(shè)備分布密度梯度與輸電阻抗參數(shù)動(dòng)態(tài)建模，模擬電能沿電網(wǎng)拓?fù)涞臄U(kuò)散過程；用戶類型節(jié)點(diǎn)間的負(fù)荷影響通過標(biāo)簽樹的層級(jí)關(guān)系約束； 將所述因果神經(jīng)場脈沖網(wǎng)絡(luò)模型輸出的地理網(wǎng)格節(jié)點(diǎn)負(fù)荷參數(shù)、用戶類型節(jié)點(diǎn)行為脈沖序列及時(shí)間節(jié)點(diǎn)周期模式，分別映射為地理區(qū)域維度、用戶類型維度及時(shí)間維度的特征張量，形成初始特征立方體； 基于所述電網(wǎng)物理傳導(dǎo)路徑，設(shè)計(jì)時(shí)空演化算子對(duì)所述初始特征立方體進(jìn)行更新，生成動(dòng)態(tài)特征立方體，其中，地理區(qū)域維度的負(fù)荷擴(kuò)散特征矩陣由設(shè)備分布密度梯度驅(qū)動(dòng)生成；用戶類型維度的行為特征傳播矩陣受標(biāo)簽樹層級(jí)約束；時(shí)間維度的時(shí)序特征調(diào)制向量融合健康設(shè)備衰減率參數(shù)； 從所述動(dòng)態(tài)特征立方體中提取高負(fù)荷密度區(qū)域、異常用戶群體及設(shè)備健康預(yù)警時(shí)段，生成三維趨勢圖譜，以確定未來周期內(nèi)的能源用量趨勢； 確定抄表任務(wù)的調(diào)整要素； 將所述三維趨勢圖譜以及所述動(dòng)態(tài)索引體系中的區(qū)域特征和類型特征，輸入至數(shù)字孿生引擎，構(gòu)建數(shù)字孿生模型的基礎(chǔ)數(shù)據(jù)層； 將所述三維趨勢圖譜中地理網(wǎng)格節(jié)點(diǎn)的空間場強(qiáng)通過流形學(xué)習(xí)網(wǎng)絡(luò)編碼為動(dòng)態(tài)相位向量，用戶類型節(jié)點(diǎn)的行為脈沖強(qiáng)度轉(zhuǎn)換為概率幅值，設(shè)備健康預(yù)警時(shí)段的時(shí)間窗作為概率調(diào)制操作序列，形成包含空間場強(qiáng)梯度、行為脈沖概率及時(shí)序風(fēng)險(xiǎn)等級(jí)的時(shí)空約束參數(shù)； 基于所述電網(wǎng)物理傳導(dǎo)路徑的拓?fù)浣Y(jié)構(gòu)，按設(shè)備分布密度梯度與輸電阻抗參數(shù)動(dòng)態(tài)建模節(jié)點(diǎn)間負(fù)荷傳導(dǎo)路徑，建立地理網(wǎng)格節(jié)點(diǎn)與用戶類型節(jié)點(diǎn)之間的動(dòng)態(tài)拓?fù)潢P(guān)聯(lián)通道，使抄表任務(wù)的時(shí)空屬性與電網(wǎng)物理特性通過因果神經(jīng)場脈沖網(wǎng)絡(luò)綁定至數(shù)字孿生模型架構(gòu)；其中，時(shí)空屬性包括網(wǎng)格位置、用戶類型標(biāo)簽以及任務(wù)時(shí)間窗；電網(wǎng)物理特性包括傳導(dǎo)路徑阻抗以及負(fù)荷擴(kuò)散方向； 在流形空間中，通過對(duì)所述動(dòng)態(tài)特征立方體進(jìn)行正交分解提取低維流形基底向量，構(gòu)建抄表任務(wù)路徑的能量勢阱模型，任務(wù)節(jié)點(diǎn)排列順序由勢阱間引力梯度驅(qū)動(dòng)，所述勢阱間引力梯度根據(jù)所述設(shè)備分布密度梯度動(dòng)態(tài)計(jì)算，生成數(shù)字孿生模型的包含任務(wù)優(yōu)先級(jí)與路徑依賴關(guān)系的任務(wù)調(diào)度骨架； 在所述數(shù)字孿生模型中部署虛擬化計(jì)量表計(jì)集群，每個(gè)表計(jì)節(jié)點(diǎn)的仿真行為受所述因果神經(jīng)場脈沖網(wǎng)絡(luò)的傳導(dǎo)路徑調(diào)控，通過脈沖傳播延遲模擬網(wǎng)絡(luò)負(fù)載對(duì)抄表數(shù)據(jù)完整性的干擾，形成可交互的數(shù)字孿生仿真環(huán)境； 將仿真生成的孿生數(shù)據(jù)流反向注入所述三維趨勢圖譜的地理節(jié)點(diǎn)場強(qiáng)計(jì)算模塊，通過比較虛擬表計(jì)脈沖信號(hào)與實(shí)際電網(wǎng)傳導(dǎo)路徑的偏差，校準(zhǔn)動(dòng)態(tài)拓?fù)潢P(guān)聯(lián)通道的相位參數(shù)，輸出包括網(wǎng)格駐留時(shí)間調(diào)度矩陣、數(shù)據(jù)存儲(chǔ)分區(qū)策略及脈沖時(shí)序?qū)R參數(shù)的數(shù)字孿生模型；其中，網(wǎng)格駐留時(shí)間調(diào)度矩陣用于指示根據(jù)設(shè)備分布密度梯度和任務(wù)優(yōu)先級(jí)，抄表人員在不同地理網(wǎng)格的停留時(shí)長； 通過運(yùn)營商網(wǎng)絡(luò)狀態(tài)接口獲取網(wǎng)絡(luò)負(fù)載情況； 將區(qū)域基站負(fù)載熱力圖的信號(hào)衰減梯度映射為所述動(dòng)態(tài)相位向量的擾動(dòng)因子，所述擾動(dòng)因子根據(jù)信號(hào)衰減梯度與電網(wǎng)拓?fù)湎禂?shù)的乘積計(jì)算生成； 將通信信道擁堵預(yù)警信息映射為所述概率幅值的衰減系數(shù)，所述衰減系數(shù)與信道丟包率負(fù)相關(guān)； 在所述流形空間中，將分群抄表周期的地理邊界編碼為能量勢阱的空間位置限制，差異化采集維度的標(biāo)簽樹層級(jí)轉(zhuǎn)換為基底向量的正交性約束； 當(dāng)信號(hào)衰減梯度超過所述設(shè)備健康預(yù)警時(shí)段的負(fù)載閾值時(shí)，觸發(fā)相鄰網(wǎng)格的動(dòng)態(tài)相位同步，將高負(fù)載任務(wù)遷移至低谷時(shí)段；根據(jù)所述衰減系數(shù)剝離工業(yè)用戶非關(guān)鍵設(shè)備的采集維度，以動(dòng)態(tài)調(diào)度人力資源、數(shù)據(jù)資源、網(wǎng)絡(luò)資源與硬件資源；其中，所述計(jì)量表計(jì)的標(biāo)識(shí)用于生成數(shù)據(jù)重傳令牌，所述電網(wǎng)拓?fù)湮恢镁幋a用于綁定抄表任務(wù)與電網(wǎng)物理傳導(dǎo)路徑的關(guān)聯(lián)關(guān)系； 其中，所述動(dòng)態(tài)調(diào)度人力資源、數(shù)據(jù)資源、網(wǎng)絡(luò)資源與硬件資源，包括： 將所述網(wǎng)格駐留時(shí)間調(diào)度矩陣輸入至技能匹配引擎，基于所述二維碼金屬標(biāo)識(shí)片對(duì)應(yīng)的電網(wǎng)拓?fù)湮恢镁幋a，計(jì)算抄表人員技能向量與地理場強(qiáng)梯度的匹配度，生成動(dòng)態(tài)排班序列； 根據(jù)所述脈沖時(shí)序?qū)R參數(shù)，在低負(fù)載時(shí)段激活非緊急任務(wù)的概率幅值分支，將對(duì)應(yīng)數(shù)據(jù)存儲(chǔ)分區(qū)標(biāo)記為延遲寫入模式；基于概率幅值分布對(duì)存儲(chǔ)分區(qū)數(shù)據(jù)進(jìn)行動(dòng)態(tài)壓縮與解壓縮，對(duì)所述類型特征中的非關(guān)鍵用戶時(shí)間窗數(shù)據(jù)進(jìn)行壓縮存儲(chǔ)； 當(dāng)檢測到工業(yè)用戶高頻需求觸發(fā)諧波能量分布特征超過某閾值時(shí)，基于所述擾動(dòng)因子生成帶寬擴(kuò)容請(qǐng)求脈沖，因果神經(jīng)場脈沖網(wǎng)絡(luò)生成強(qiáng)脈沖信號(hào)，脈沖強(qiáng)度經(jīng)運(yùn)營商配置系數(shù)歸一化后，生成帶寬增量值；帶寬增量值通過SDN控制器實(shí)時(shí)下發(fā)至對(duì)應(yīng)區(qū)域基站，以動(dòng)態(tài)調(diào)整計(jì)量表計(jì)集群的通信優(yōu)先級(jí)； 所述帶寬增量根據(jù)脈沖強(qiáng)度與運(yùn)營商配置系數(shù)的乘積計(jì)算； 當(dāng)網(wǎng)絡(luò)中斷異常脈沖傳播時(shí)，基于所述計(jì)量表計(jì)的標(biāo)識(shí)生成動(dòng)態(tài)拓?fù)潢P(guān)聯(lián)令牌，令牌優(yōu)先級(jí)由所述設(shè)備健康預(yù)警時(shí)段的風(fēng)險(xiǎn)等級(jí)動(dòng)態(tài)調(diào)整，以保證關(guān)鍵設(shè)備數(shù)據(jù)按校準(zhǔn)后的場強(qiáng)梯度補(bǔ)發(fā)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人四川精智儀表科技有限公司，其通訊地址為：611930 四川省成都市彭州工業(yè)開發(fā)區(qū)大龍?zhí)段髀?8號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。