買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉清河縣建投天然氣有限公司申請的專利一種基于數(shù)據(jù)分析的燃?xì)庀到y(tǒng)管理方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120297757B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510347480.7，技術(shù)領(lǐng)域涉及：G06Q10/0637；該發(fā)明授權(quán)一種基于數(shù)據(jù)分析的燃?xì)庀到y(tǒng)管理方法及系統(tǒng)是由朱亞輝;李旭光;李穎杰;樊志遠(yuǎn);畢信波;武小龍;王光清設(shè)計研發(fā)完成，并于2025-03-24向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于數(shù)據(jù)分析的燃?xì)庀到y(tǒng)管理方法及系統(tǒng)在說明書摘要公布了：本申請公開了一種基于數(shù)據(jù)分析的燃?xì)庀到y(tǒng)管理方法及系統(tǒng)，屬于燃?xì)庀到y(tǒng)管理的技術(shù)領(lǐng)域，包括將蠟沉積動力學(xué)模型與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合，設(shè)計混合預(yù)測模型架構(gòu)；所述蠟沉積動力學(xué)模型用于描述蠟沉積的物理和化學(xué)過程，提供基本的預(yù)測能力；所述深度神經(jīng)網(wǎng)絡(luò)用于捕捉數(shù)據(jù)中的非線性關(guān)系和復(fù)雜模式，提高預(yù)測的準(zhǔn)確性和泛化能力；基于改進(jìn)型粒子群算法PSO?ADE，設(shè)計自適應(yīng)清管決策引擎；對算法進(jìn)行初始化，生成初始粒子群；運行算法，根據(jù)目標(biāo)函數(shù)對粒子進(jìn)行評價和更新；通過迭代優(yōu)化，找到最優(yōu)的清管策略；收集反饋數(shù)據(jù)，對算法進(jìn)行進(jìn)一步調(diào)整和優(yōu)化，以提高決策的準(zhǔn)確性和有效性。本申請能夠優(yōu)化輸油管道的清管策略。

本發(fā)明授權(quán)一種基于數(shù)據(jù)分析的燃?xì)庀到y(tǒng)管理方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于數(shù)據(jù)分析的燃?xì)庀到y(tǒng)管理方法，其特征在于，包括以下步驟： 將蠟沉積動力學(xué)模型與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合，設(shè)計混合預(yù)測模型架構(gòu)；所述蠟沉積動力學(xué)模型用于描述蠟沉積的物理和化學(xué)過程，提供基本的預(yù)測能力；所述深度神經(jīng)網(wǎng)絡(luò)用于捕捉數(shù)據(jù)中的非線性關(guān)系和復(fù)雜模式，提高預(yù)測的準(zhǔn)確性和泛化能力； 所述將蠟沉積動力學(xué)模型與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合，設(shè)計混合預(yù)測模型架構(gòu)的步驟之中，還包括： 基于COMSOLMultiphysics構(gòu)建熱-流-固-化四場耦合模型，求解方程包括： ； 其中，ρ為流體密度，用于表示單位體積流體的質(zhì)量；u為速度矢量，用于表示流體微團(tuán)的運動速度；t表示時間；p為壓力，用于表示流體內(nèi)部垂直作用于單位面積上的力；μ為動力粘度系數(shù)，用于表示流體的內(nèi)部摩擦力大小，反映了流體的粘性；Swax為蠟相變源項，采用改進(jìn)的分子擴(kuò)散-凝膠沉積雙機(jī)制模型，表示蠟在流體中的相變對流動的影響； 引入動態(tài)網(wǎng)格自適應(yīng)技術(shù)，在沉積速率突變區(qū)域自動加密網(wǎng)格至0.5mm分辨率； 訓(xùn)練XGBoost-GRU混合模型，輸入特征包括溫度梯度ΔT、壁面剪切應(yīng)力τ_w、蠟晶體積分?jǐn)?shù)φ，輸出沉積速率校正因子α； 采用對抗生成網(wǎng)絡(luò)GAN擴(kuò)充有限實驗數(shù)據(jù)，生成涵蓋-10~50℃溫度范圍的合成數(shù)據(jù)集，用于解決傳統(tǒng)模型外推能力不足問題； 基于改進(jìn)型粒子群算法PSO-ADE，設(shè)計自適應(yīng)清管決策引擎； 對算法進(jìn)行初始化，生成初始粒子群； 所述對算法進(jìn)行初始化的步驟之中，還包括： 建立目標(biāo)函數(shù)： ； 其中，Cpigging為清管操作的成本，用于表示每次清管操作的費用；fi為第i次清管的頻率，用于表示在一定時間內(nèi)進(jìn)行清管操作的次數(shù)；λ為風(fēng)險懲罰系數(shù)，用于表示對風(fēng)險的懲罰程度，反映了風(fēng)險的成本；δi為預(yù)測的沉積厚度，用于表示在第i次清管操作時預(yù)測的管道內(nèi)沉積物的厚度；δsafe為安全沉積厚度，用于表示管道內(nèi)沉積物的安全厚度，超過這個厚度可能會帶來風(fēng)險； 所述目標(biāo)函數(shù)的目的是在清管操作的成本和沉積物帶來的風(fēng)險之間找到一個平衡點，使得總成本最小化； 采用改進(jìn)型PSO-ADE算法，引入慣性權(quán)重自適應(yīng)機(jī)制，用于在迭代后期增強(qiáng)局部搜索能力，公式如下： ； 公式用于描述wt隨時間t的變化，具體參數(shù)含義如下：wmin表示wt的最小值或穩(wěn)定值，當(dāng)時間t趨近于無窮大時，wt會趨近于這個值；wmax表示wt的初始最大值，當(dāng)時間t=0時，wt的值為wmax；t表示時間；T表示時間常數(shù)，單位與時間t一致，反映了wt衰減到穩(wěn)定值的速度，時間常數(shù)T越大，衰減過程越緩慢； 運行算法，根據(jù)目標(biāo)函數(shù)對粒子進(jìn)行評價和更新； 通過迭代優(yōu)化，找到最優(yōu)的清管策略。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人清河縣建投天然氣有限公司，其通訊地址為：054800 河北省邢臺市清河縣嫩江街與高速連接線交叉口西；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。