買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京深度智控科技有限公司申請的專利一種基于深度學習的空調冷凍水控制方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120557779B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202511078003.1，技術領域涉及：F24F11/85；該發明授權一種基于深度學習的空調冷凍水控制方法及系統是由李輝設計研發完成，并于2025-08-01向國家知識產權局提交的專利申請。

本一種基于深度學習的空調冷凍水控制方法及系統在說明書摘要公布了：本發明涉及空調冷凍水控制技術領域，具體為一種基于深度學習的空調冷凍水控制方法及系統，包括以下步驟：采集空調冷水機組狀態，包括水泵頻率和閥門開度反饋以及管網供水溫度、回水溫度、流量和壓差運行讀數。本發明通過動態采集冷水機組狀態參數并構建系統運行狀態特征集，實現了多源異構數據的實時融合與標準化處理，消除因傳感器采樣頻率差異導致的時序錯位問題，基于特征集識別熱負荷變化關鍵輸入量，結合預測計算準確預判水泵性能衰減趨勢，降低因滯后調節產生的額外能耗。引入總能耗最小化為目標的分層優化框架，將供水溫度、壓差設定與機組運行組合解耦為獨立優化子問題，在滿足末端熱需求的前提下減少水泵無效做功。

本發明授權一種基于深度學習的空調冷凍水控制方法及系統在權利要求書中公布了：1.一種基于深度學習的空調冷凍水控制方法，其特征在于，包括以下步驟： 采集空調冷水機組狀態，包括水泵頻率和閥門開度反饋以及管網供水溫度、回水溫度、流量和壓差運行讀數，進行信號的同步化與結構化處理，建立系統運行狀態特征集； 基于所述系統運行狀態特征集，識別影響熱負荷變化的關鍵輸入量，得到預測計算輸入特征，基于所述預測計算輸入特征，執行預測計算，獲取冷水機組水泵的性能狀態，得到系統狀態預測值； 結合所述系統狀態預測值與當前的系統運行狀態特征集，構建以總能耗最小化為目標的計算框架并設定關聯運行邊界，得到系統能效優化問題描述，基于所述系統能效優化問題描述，進行求解，確定供水溫度、壓差設定值及冷水機組運行組合，建立分層優化控制設定參數； 對照所述分層優化控制設定參數中的目標設定值與系統運行狀態特征集反饋的實時運行值，計算水泵頻率所需調整量，得到設備調節差額計算結果，基于所述設備調節差額計算結果，按照設備響應特性與安全約束生成控制指令并按時序組織，獲取實時設備調節指令序列； 所述預測計算輸入特征的獲取步驟為： 基于所述系統運行狀態特征集，提取供水溫度數值、回水溫度數值、流量數值、壓差運行讀數數值、水泵頻率數值及閥門開度反饋數值的時間序列數據，按溫度數值的0.5℃間隔分箱統計出現頻率，流量數值的1m3h間隔分箱統計波動幅度，計算每個分箱參數與歷史熱負荷數值的皮爾遜線性相關性系數，生成參數-熱負荷相關性系數集合； 基于所述參數-熱負荷相關性系數集合，篩選皮爾遜線性相關性系數絕對值大于0.5的參數，驗證與熱負荷數值的時序滯后關系，生成關鍵輸入量候選集合； 基于所述關鍵輸入量候選集合，對供水溫度數值與回水溫度數值進行主成分分析消除多重共線性，計算剩余參數的方差膨脹因子，剔除方差膨脹因子大于5的參數，構造包括正交化溫度主成分、流量數值和壓差運行讀數數值的計算因子矩陣，生成預測計算輸入特征； 所述系統狀態預測值的獲取步驟為： 基于所述預測計算輸入特征，提取正交化溫度主成分數值、流量數值及壓差運行讀數數值，對每個參數進行滯后2小時的時間序列處理并填充缺失值為前3個數據點的移動平均值，生成時間序列參數矩陣； 基于所述時間序列參數矩陣，建立ARIMA模型，通過最小化預測值與實際熱負荷數值的均方誤差訓練模型參數，生成訓練后的預測模型； 基于所述訓練后的預測模型，計算未來3小時內的系統狀態預測值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京深度智控科技有限公司，其通訊地址為：210000 江蘇省南京市江北新區星火路17號創智大廈A座6層；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。