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！

龙图腾网获悉电子科技大学(深圳)高等研究院;电子科技大学申请的专利基于大小模型协同的电力时序数据预测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：CN120278556B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510712832.4，技术领域涉及：G06Q10/0637；该发明授权基于大小模型协同的电力时序数据预测方法及系统是由张彦如;冯梦蝶;兰卓;冯莉婷;王岩;刘旻昊;杨涵设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本基于大小模型协同的电力时序数据预测方法及系统在说明书摘要公布了：本发明实施例公开了一种基于大小模型协同的电力时序数据预测方法及系统，所述方法包括：步骤S1：获取用于训练的电力时序数据集并预处理，统一数据格式；步骤S2：构建时序小模型、时序大模型，进行预训练；步骤S3：通过知识蒸馏从时序大模型中提取特征，根据特征对所述小模型进行监督学习；步骤S4：实时采集电力时序数据，通过时序小模型进行预测，如果预测结果偏离历史模式或超过预设阈值，则调用时序大模型进行全局分析，得到并输出修正后的预测结果。本发明的小模型蒸馏优化短期预测，并在预测偏离历史模式时触发大模型协同修正，最终生成兼顾实时性与全局规律的精准时序预测结果。本发明解决现有模型在精度、覆盖范围和实用性方面的不足。

本发明授权基于大小模型协同的电力时序数据预测方法及系统在权利要求书中公布了：1.一种基于大小模型协同的电力时序数据预测方法，其特征在于，包括： 步骤S1：获取多源电力时序数据并进行统一的预处理，构建用于训练的标准化电力时序数据集； 步骤S2：构建采用长短期记忆网络的时序小模型，构建采用Timer架构的时序大模型，使用电力时序数据集中的数据对时序小模型和时序大模型进行预训练； 步骤S3：通过知识蒸馏将时序大模型的全局特征迁移至所述小模型，进行小模型监督学习，调整所述小模型的参数； 步骤S4：实时采集电力时序数据，优先通过调整后的小模型输出短期预测结果，如果预测结果偏离历史模式或超过预设阈值，则触发时序大模型进行全局分析，得到并输出修正后的预测结果；如果预测结果未偏离历史模式或超过预设阈值，则直接输出预测结果； 步骤S1中，对时序数据中的结构化数据、文本数据和图像数据进行预处理，获得三个模态的数据表征，再统一数据格式，消除噪声与量纲差异，为模型训练提供标准化输入；其中图像数据通过AIGC模型提取得到的文本补充描述； 步骤S4中，基于预测结果和历史模式生成预设长度的时序token序列对，计算所述序列对的两个时序序列向量的余弦相似度，判断该相似度是否偏离预设相似度阈值，若该相似度偏离阈值，则判定为偏离历史模式，余弦相似度计算公式如下： ； 其中，和分别为所述序列对的两个时序序列的向量表示，且采用均方误差作为损失函数，计算公式如下： ； 其中，为真实相似度分数；表示用于计算余弦相似度的时序序列对的总数量；用于标识当前处理的是第几个序列对，；每个时序序列对包含两个时序序列，代表第个时序序列的向量表示。

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电子科技大学(深圳)高等研究院;电子科技大学，其通讯地址为：518000 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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”。