원래 이름 기록: 国网浙江省电力有限公司营销服务中心

本申请公开了一种面向电力营销的多源数据整合方法、系统、介质及设备，方法包括：实时接入电力营销系统中的多源异构数据；扫描多源异构数据中每个数据源字段的元数据信息；其中，元数据信息包括字段名称、字段描述、属性值及数据类型；根据每个数据源字段的元数据信息，生成每个数据源字段的语义嵌入向量；基于每个数据源字段的语义嵌入向量和预先标注的支持集，对多源异构数据进行整合，得到最终整合的电力营销数据。因此，采用本申请实施例，能够有效解决数据的语义异构问题，提升了数据整合的效率和准确性。

本申请公开了一种电力营销模型预训练方法、应用方法及装置，电力营销模型预训练方法包括：从电力营销业务系统中，采集并预处理电力多模态原始数据，得到预处理后的电力多模态数据；创建电力营销模型，电力营销模型包括对比学习损失值计算层、跨模态语义关联损失值计算层；将电力多模态数据输入电力营销模型中，输出模型总体损失值，在模型总体损失值到达最小的情况下，生成预先训练的电力营销模型；或者在模型总体损失值未到达最小的情况下，继续执行将电力多模态数据输入电力营销模型中的步骤。因此，采用本申请实施例，能有效建模跨模态语义关联，在面对不同场景或新用户时，模型泛化能力强，能够适应多样化的电力营销任务。

本申请公开了一种基于大语言模型的电力营销问答方法及装置，服务端方法包括：接收客户端发送的电力营销问答请求，电力营销问答请求携带与电力营销相关的电力描述文本；根据电力描述文本，生成提示词序列；其中，提示词序列是从压缩因果图中遍历得到的，压缩因果图是对原始因果图压缩得到的，原始因果图中的节点表示电力关键词，相邻节点之间的边表示各电力关键词之间的因果关系；将提示词序列输入预先微调的问答模型中，输出电力描述文本对应的回答结果，发送至客户端；预先微调的问答模型是基于大语言模型微调得到的。因此，采用本申请实施例，能够有效理解和利用上下文信息，提升回答的准确性。

本发明属于时间序列分析技术领域，公开了面向跨领域时间序列的通用和可泛化预测方法、系统、设备及介质，以解决现有技术缺乏能深度解耦时间序列复杂模式的端到端学习框架，且码本匹配机制僵化的问题。本发明方法包括：获取来自多个领域的时间序列数据作为输入；通过深度傅里叶分词模块将时间序列分解为多个相互独立的深度基；通过路由码本，基于可学习的路由策略对深度基进行量化，以生成离散表征；将离散表征输入至下游预测模型，得到未来时间序列的预测结果。本发明通过深度解耦时间序列模式和可学习的码本选择机制，大幅增强了模型在跨领域任务中的通用性与泛化能力。

本发明属于电力技术领域，公开了一种基于因果分析的产业链风险监测方法、系统、设备及介质，包括如下步骤：获取各产业的用电量时序数据；通过部分交叉映射法对所述用电量时序数据分析，得到节点间因果关系，将所述因果关系强度及方向作为因果结构指标；基于所述因果结构指标进行复杂网络理论计算，得到多层次节点重要度；根据实时产业链用电量以及多层次节点重要度，生成产业链多层次风险监测指标。

本发明属于通信传输技术领域，公开了一种基于动态频谱分配的多载波通信抗干扰方法；包括步骤一、判断各传输子载波是否存在通信异常；步骤二、对存在通信异常的传输子载波，识别频段中是否存在空闲子载波，若存在，确定最优子载波；步骤三、判断通信正常的传输子载波是否存在潜在通信异常风险；步骤四、对存在通信异常的传输子载波的发射功率进行调整；步骤五、选择最合适的抗干扰策略对存在潜在通信异常风险的传输子载波进行抗干扰防御。本发明可覆盖传输子载波中渐进式和突发式两类隐藏风险来源，从而大幅提升潜在异常风险识别的准确性与鲁棒性，这样可以及时发现潜在的通信异常，从而将被动响应转换为主动响应，保证通信传输的质量。

本发明公开了一种基于预训练语言模型的电力营销文档感知方法，包括：利用CLIP对输入的图像和文本进行编码，对已编码的图像和文本特征融合并解码生成初始预测；借助CLIP的文本编码器、跨模态解码器以及大语言模型，对初始预测进行进一步预测；在CLIP的推理过程中采用双重预测和细化解码方案，设置置信阈值，对超过阈值的预测直接输出，低于阈值的预测则用大语言模型重新预测；通过最小化视觉分支和跨模态分支的交叉熵损失之和来优化CLIP，实现对复杂场景中图像和文本的精准识别。本发明实现对电力营销文档的精准感知与深度理解，满足了用户用电需求并实现快捷响应。

本发明公开了一种基于电力营销语言模型的受控文本生成方法。本发明的方法，包括：通过动态滑动窗口遍历输入文本向量构造词向量邻接矩阵，利用图卷积编码器进行文本特征更新，生成更新后的文本向量序列；通过自注意力机制计算更新后文本向量序列每个位置的注意力权重，再将其与更新后文本向量序列加权求和，得到由注意力权重与文本向量乘积构成的潜在表示；将生成的潜在表示分解并添加到解码器中，与输入文本向量连接并参与注意力计算，接着通过两次融合潜在表示的信息，使潜在表示完全集成到解码器生成过程中。本发明避免了传统嵌入方法引入的噪声，使潜在表示能够更加有效地指导文本生成，提高了文本生成的可控性和准确性。