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！

龙图腾网获悉南京深度智控科技有限公司申请的专利一种基于大模型及专有知识库的能源数据分析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：CN120179869B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510654328.3，技术领域涉及：G06F16/901；该发明授权一种基于大模型及专有知识库的能源数据分析方法及系统是由李辉;常晓敏设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种基于大模型及专有知识库的能源数据分析方法及系统在说明书摘要公布了：本发明公开了一种基于大模型及专有知识库的能源数据分析方法及系统，涉及能源数据分析与智能推理技术领域，包括，采集多源能源数据并预处理，将多源能源数据分为四类能源点，计算能源点的特征和进行能源点连接，对连接度检测并优化，构建两层的图卷积网络GCN模型，生成图结构；基于图结构生成子查询，使用LLM模型得到初始答案，生成初始全局推理链，将专有知识库和初始全局推理链进行交互，对初始全局推理链进行优化，构建动态树形推理结构，基于人工势场进行动态分支调整，对推理路径进行优化；通过图卷积网络GCN模型、LLM模型和专有知识库的结合机制，提高了推理的准确性，使用人工势场对推理路径进行动态调整，增强了推理链的动态优化能力。

本发明授权一种基于大模型及专有知识库的能源数据分析方法及系统在权利要求书中公布了：1.一种基于大模型及专有知识库的能源数据分析方法，其特征在于：包括， 采集多源能源数据并预处理，将多源能源数据分为四类能源点，计算能源点的特征和进行能源点连接，对连接度检测并优化，构建两层的图卷积网络GCN模型，生成图结构； 根据图结构G的节点信息和特征向量，使用任务提示分解法分为子查询，使用LLM模型得到初始答案，构建有向依赖图，生成初始全局推理链，将专有知识库和初始全局推理链进行交互，对初始全局推理链进行优化，将优化后的推理链映射为树的节点，构建动态树形推理结构，基于人工势场进行动态分支调整，对推理路径进行优化； 基于最优推理路径使用LLM模型得到能源数据分析结果，为每个推理过程进行追溯，基于追溯结果优化能源数据分析结果； 存储推理过程产生的数据，使用实时数据更新系统； 所述采集多源能源数据并预处理，构建模型，生成图结构，包括： 所述多源能源数据，包括用电量时间序列、设备运行状态、气候和能源价格数据； 将预处理后的多源能源数据分为四类能源点，生成能源点集合，使用时间特征工程法计算用电特征向量，使用特征组合法分别计算设备、天气和价格的特征向量，生成特征向量集合； 所述四类能源点，包括用电点、设备点、天气点和价格点； 使用设备驱动关联法构建能源连接，包括检测预处理后的多源能源数据中每台设备在时间的运行状态，若开启，则连接，将所有的能源连接生成能源连接集合，构建初始能源图； 收集历史多源能源数据，进行预处理和提取特征后作为训练集； 构建两层的图卷积网络GCN模型，定义损失函数监督任务，基于训练集的特征向量作为输入，进行迭代训练，达到最大迭代次数后停止迭代，输出优化后的模型权重参数，应用到两层的图卷积网络GCN模型中，将特征向量集作为输入，得到最终增强嵌入集合，并加入到优化后的能源图中，得到图结构； 所述生成初始全局推理链，将专有知识库和初始全局推理链进行交互，对初始全局推理链进行优化，构建动态树形推理结构，基于人工势场进行动态分支调整，对推理路径进行优化包括： 使用任务提示分解法分为子查询，生成子查询列表，并与图结构输入到预配置的大型语言模型LLM，生成初始答案，计算答案置信度，使用固定阈值筛选法筛选答案置信度大于对应的答案置信度阈值的初始答案，生成初始答案集； 基于子查询列表中子查询间的依赖关系，构建有向依赖图，生成初始全局推理链，对每个子查询使用预训练的DistilBERT模型，生成问题向量； 收集专有知识库的文档数据并进行预处理，使用FAISS构建文档索引，通过预训练的DistilBERT模型生成知识库向量，计算问题向量和知识库向量的余弦相似度，通过FAISS构建的文档索引对问题向量执行k近邻搜索，得到为候选文档集，并按自然段分割，使用预训练的DistilBERT模型，生成段落向量； 计算段落向量与问题向量的余弦相似度，得到候选答案文本，使用预训练的SpanBERT的问答模型提取与子查询最匹配的答案片段，并计算答案片段的置信度得分，进行降序排序，得到优化答案向量，计算初始答案的向量和优化答案的向量的答案相似度得分，将答案相似度得分和最高的答案片段向量的置信度得分使用加权求和法进行求和，得到综合一致性得分，使用经验法设置综合一致性得分阈值，与综合一致性得分进行比较，基于比较结果进行操作，得到优化后的推理链； 将优化后的推理链中的每个子查询-答案对映射为树的节点，使用预配置的大型语言模型LLM评估子查询与其他子查询的因果依赖，若存在依赖添加有向边，为每个树的节点计算初始权重，否则不变，在边添加完之后，使用深度优先搜索检测是否存在环，若存在环，对组成环的节点的初始权重进行降序排列，移除初始权重最低的节点的边，得到初始动态树形推理结构； 为每个树的节点计算初始的一致性得分，并与设定的初始一致性阈值进行比较，基于比较结果，使用深度优先搜索DFS回溯至其父节点，生成低一致性节点列表，生成替代子查询，将替代子查询输入到预配置的大型语言模型LLM中，生成新答案，并与替代子查询生成新的树的节点，计算新的一致性得分，将新的一致性得分与初始的一致性得分进行比较，基于比较结果的不同，执行替换树的节点和保留树的节点的操作，得到更新后的动态树形推理结构，遍历更新后的动态树形推理结构中所有从根到叶的路径，每条路径包含一组节点，对每条路径计算综合得分，并进行降序排列，选择得分最高的路径作为最优路径。

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南京深度智控科技有限公司，其通讯地址为：210000 江苏省南京市江北新区星火路17号创智大厦A座6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”。