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！

龙图腾网获悉国网江西省电力有限公司经济技术研究院;江西腾达电力设计院有限公司;国网信通亿力科技有限责任公司申请的专利基于强化学习的电力多源数据切片处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：CN120724192B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511153944.7，技术领域涉及：G06F18/2321；该发明授权基于强化学习的电力多源数据切片处理方法及系统是由陈俊志;吴浩;陈鹭;李映雪;宫嘉炜;吴同宇;戴奇奇;张雪婷;陈日欢;王伟;张佳;周成;陈文焰;林超;陈婧;黄屏发设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本基于强化学习的电力多源数据切片处理方法及系统在说明书摘要公布了：本发明涉及一种基于强化学习的电力多源数据切片处理方法及系统，包括以下步骤：S1：获取电力多源数据，并进行预处理，得到结构化原始数据流；S2:通过特征提取，获取多维特征向量；S3:采用聚类算法识别行为模式获取聚类标签，并计算样本到各自聚类中心的距离，当距离显著高于本簇均值加阈值β倍标准差时，额外标记为异常；S4：基于强化学习进行智能切片决策，获取切片策略、数据及标签；S5:根据获取的切片策略、数据及标签，通过知识图谱业务规则校验，确保符合领域约束;S6:校验通过的策略送至分布式切片存储与管理，按策略进行数据分片存储和索引构建。本发明有效提升电力数据资产的结构化治理水平和高价值利用能力。

本发明授权基于强化学习的电力多源数据切片处理方法及系统在权利要求书中公布了：1.一种基于强化学习的电力多源数据切片处理方法，其特征在于，包括以下步骤： S1：获取电力多源数据，并进行预处理，得到结构化原始数据流； S2:基于结构化原始数据流，通过特征提取，获取多维特征向量； S3:根据多维特征向量，采用聚类算法识别行为模式获取聚类标签，并计算样本到各自聚类中心的距离，当距离高于本簇均值加阈值β倍标准差时，额外标记为异常； S4：根据多维特征向量和聚类标签、异常点标记，基于强化学习进行智能切片决策，获取切片策略、数据及标签； S5:根据获取的切片策略、数据及标签，通过知识图谱业务规则校验，确保符合领域约束; S6:校验通过的策略送至分布式切片存储与管理，按策略进行数据分片存储和索引构建； 所述基于强化学习进行智能切片决策，获取切片策略、数据及标签，具体如下： 每个决策步t，强化学习RL智能体的状态st组合如下： 当前样本的多维特征向量Xt、当前聚类标签、当前异常标记、自上一个切片边界以来的帧数lt；即：st=[Xt,，,lt]； 动作空间at=0时，当前数据点纳入当前切片，不做切分；at=1时，以当前点为切片新起始，切分片段； 令切片集合序列为S={S1,S2,...,Sj′,...,SM}；M为切片总数；记Pj′为第j′个切片Sj′内主聚类标签，则，片内一致性奖励为：；其中，是指示函数；为切片Sj′内的第i′个数据点的聚类标签； 当上一步切片动作，且切片边界为异常点，则获得异常点边界奖励：； 其中，λ1为异常点边界奖励系数； 如果切片∣Sj′∣Lmin或∣Sj′∣Lmax将受惩罚： ； 其中，λ2为过短惩罚系数；λ3为过长惩罚系数；Lmin、Lmax为预设切片最短和最长阈值； 如果切片j′与上一个切片主聚类标签不同，则获得切片间差异奖励： ； 其中，λ4为切片间差异奖励系数； 综合上述奖励和惩罚，得到总奖励Rt：； 其中，w1，w2，w3和w4为可调权重； 采用DQN优化算法，获取最优切片策略。

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国网江西省电力有限公司经济技术研究院;江西腾达电力设计院有限公司;国网信通亿力科技有限责任公司，其通讯地址为：330029 江西省南昌市南昌高新技术产业开发区青山湖大道999号1#楼第20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”。

以上内容由龙图腾AI智能生成。