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！

龙图腾网获悉闽江学院申请的专利基于深度学习的深远海养殖电力能源负荷智能分析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：CN120596901B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202511106024.X，技术领域涉及：G06F18/213；该发明授权基于深度学习的深远海养殖电力能源负荷智能分析方法是由陈红星;董津洋;庄胜斌;王志远设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本基于深度学习的深远海养殖电力能源负荷智能分析方法在说明书摘要公布了：本发明涉及电力能源负荷分析技术领域，尤其涉及一种基于深度学习的深远海养殖电力能源负荷智能分析方法。所述方法包括以下步骤：获取深远海养殖电力能源系统的电力多能源设备数据以及用户用电数据；基于电力多能源设备数据以及用户用电数据建立优化运行光‑柴‑储电力能源集成模型，以采集电力多能源即时运行负荷数据；获取深远海养殖电力能源系统的多模态运行感知要素数据；基于多模态运行感知要素数据进行运行负荷变换的趋势预测模型建立，生成运行负荷变换趋势预测模型；将电力多能源即时运行负荷数据传输至运行负荷变换趋势预测模型分析电力能源运行负荷趋势特征数据。本发明实现深远海养殖电力能源系统的运行负荷精准预测。

本发明授权基于深度学习的深远海养殖电力能源负荷智能分析方法在权利要求书中公布了：1.一种基于深度学习的深远海养殖电力能源负荷智能分析方法，其特征在于，包括以下步骤： 步骤S1：获取深远海养殖电力能源系统的电力多能源设备数据以及用户用电数据；根据用户用电数据进行用户用电特性分析，生成用户用电特性数据； 步骤S2：基于电力多能源设备数据建立电力多能源设备特异性的需求目标运行映射关系，生成需求目标运行电力能源集成模型；基于用户用电特性数据以及需求目标运行电力能源集成模型进行用户用电特性优化运行的光-柴-储电力能源集成模型建立，生成优化运行光-柴-储电力能源集成模型； 步骤S3：获取深远海养殖电力能源系统的多模态运行感知要素数据；根据多模态运行感知要素数据进行电力多能源运行负荷影响因子特征分析，生成电力多能源运行负荷影响因子特征数据；基于电力多能源运行负荷影响因子特征数据进行运行负荷变换的趋势预测模型建立，生成运行负荷变换趋势预测模型； 步骤S3包括以下步骤： 步骤S31：获取深远海养殖电力能源系统的多模态运行感知要素数据，其中所述多模态运行感知要素数据包括环境感知数据、电力多能源运行负荷数据以及电力多能源设备状态数据； 步骤S32：对标准多模态运行感知要素数据进行数据预处理，以得到标准多模态运行感知要素数据； 步骤S33：根据标准多模态运行感知要素数据进行电力多能源运行的负荷关联数据分析，生成电力多能源运行负荷关联数据，并对电力多能源运行负荷关联数据进行电力多能源运行负荷影响因子特征分析，生成电力多能源运行负荷影响因子特征数据； 步骤S34：通过预设的电力多能源负荷运行认知架构以及电力多能源运行负荷影响因子特征数据进行运行负荷认知规则特征分析，生成运行负荷认知规则特征数据； 步骤S35：对运行负荷认知规则特征数据进行高斯混合的运行负荷最优分量数分析，生成运行负荷最优分量数，并通过运行负荷最优分量数配置预设的高斯混合算法进行运行负荷特征的高斯混合模型架构建立，以得到高斯混合运行负荷特征模型架构； 步骤S36：基于电力多能源运行负荷影响因子特征数据以及运行负荷认知规则特征数据对高斯混合运行负荷特征模型架构进行运行负荷变换的趋势预测模型建立，生成运行负荷变换趋势预测模型； 步骤S4：通过优化运行光-柴-储电力能源集成模型采集电力多能源即时运行负荷数据；将电力多能源即时运行负荷数据传输至运行负荷变换趋势预测模型进行电力能源运行负荷趋势特征分析，生成电力能源运行负荷趋势特征数据；基于电力能源运行负荷趋势特征数据执行深远海养殖的电力能源负荷协同控制作业。

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闽江学院，其通讯地址为：350108 福建省福州市闽侯县上街镇溪源宫路200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。