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！

龙图腾网获悉微控飞轮(沈阳)技术开发有限公司申请的专利数据中心平抑动态负荷的交流接入飞轮UPS控制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：CN119944937B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510442712.7，技术领域涉及：H02J9/06；该发明授权数据中心平抑动态负荷的交流接入飞轮UPS控制方法是由王宜凡;阎放;王聪设计研发完成，并于2025-04-10向国家知识产权局提交的专利申请。

本数据中心平抑动态负荷的交流接入飞轮UPS控制方法在说明书摘要公布了：本发明公开了数据中心平抑动态负荷的交流接入飞轮UPS控制方法，涉及电力供应管理领域，包括以下步骤：S1：预测分析数据中心的负荷波动，并通过传感器收集飞轮的运行数据，对飞轮UPS状态进行监测建模；本发明能够更高效地进行数据拟合和模式识别，并且减少传统方法中需要大量时间和计算资源的训练过程，缩短系统响应时间，避免过度依赖预设模型和静态规则，有效地提供更灵活的策略选择，提升系统应对变化的能力；能够快速响应负荷变化，增强系统的鲁棒性和稳定性，避免单一设备过载和低效运行同时能够高效评估飞轮UPS系统的状态与性能，避免能源的过度消耗或浪费，提高能源利用率，延长设备寿命，降低维护成本。

本发明授权数据中心平抑动态负荷的交流接入飞轮UPS控制方法在权利要求书中公布了：1.数据中心平抑动态负荷的交流接入飞轮UPS控制方法，其特征在于，包括以下步骤： S1：预测分析数据中心的负荷波动，并通过传感器收集飞轮的运行数据，对飞轮UPS状态进行监测建模； S2：基于预测的负荷波动，模拟不同能源存储系统之间的协同工作，以创建负荷调节方案，并反馈给工作人员查看调整； S3：根据监测建模结果以及传感器采集的实际负载情况，动态优化飞轮UPS的充放电周期和功率调整策略； S4：通过传感器与数据采集系统监控飞轮的运行状态以及外部负荷变化，并根据实时监控数据自适应调整飞轮UPS； S5：建立飞轮UPS数字孪生模型，实时同步飞轮UPS各项数据以及控制方案，同时评估飞轮UPS的能量转换效率，并调整控制参数； S6：实时收集和分析飞轮UPS性能数据，评估当前控制策略的效果，并根据评估结果重新调整飞轮UPS控制策略； S1所述预测分析数据中心的负荷波动的具体步骤如下： P1.1：飞轮UPS控制平台收集数据中心采集的多组负荷数据，去除收集的各组负荷数据中的噪声和异常数据，并通过插值法填充缺失数据，之后通过Z-score标准化处理，将各组负荷数据统一至规定范围内，再利用方差筛选法从各组负荷数据中提取所需特征信息，从数据中心提取历史负荷数据，并将其划分为训练集、测试集以及验证集，分别将训练集以及验证集分为多个训练子集以及验证子集； P1.2：基于量子支持向量机架构创建预测分析模型，每轮训练开始时，依次将训练子集数据输入该预测分析模型中，该模型通过角度编码方法将各训练集数据映射至量子空间中，并生成对应量子比特上，再通过量子叠加效应，使多组特征信息的量子比特同时存在于一个量子态上，之后预测分析模型通过量子核函数计算量子空间中各量子态之间的内积，并基于计算出的内积评估各量子态间的相似度，其中，角度编码方法具体计算公式如下： 式中，代表第个输入数据；代表绕轴旋转的量子操作；代表量子比特映射的角度参数，其中，代表一个常数，用来调整数据的幅度；代表量子比特的初始状态； 量子核函数具体计算公式如下： 式中，代表量子核函数值，即第个输入数据所在量子态与第个输入数据所在量子态之间的相似度；与分别代表第个输入数据与第个输入数据映射后的量子态；代表两组量子态之间的内积； P1.3：根据计算出的各组训练子集数据之间的量子核函数值，构建对应核矩阵，并以最大化各输入数据之间的间隔为目的构建对应目标函数，设置优化目标的约束条件，之后基于约束条件，通过梯度下降算法求解目标函数，以获取优化后的预测分析模型参数； P1.4：每轮模型参数优化完成后，将验证子集依次输入至预测分析模型中，并计算该模型的交叉验证误差，以评估预测分析模型的平均性能，若模型平均性能未达到预设阈值，则调整预测分析模型正则化参数、量子比特数以及内积计算方式各项超参数，重复对预测分析模型进行训练验证，直至该模型平均性能收敛至预设阈值内，再利用测试集数据检测训练完成的预测分析模型在未知数据上的性能，若检测结果达到预设期望值，则将该预测分析模型部署至数据中心的飞轮UPS控制平台上，否则，重新训练预测分析模型； P1.5：将预处理后的新的负荷数据输入预测分析模型中，预测分析模型对新的负荷数据进行前向传播，预测分析模型通过量子特征映射将负荷数据转换为量子态，计算新数据与训练数据之间的相似性，并通过决策函数对负荷数据进行预测，再依据决策函数值进行分类决策以生成对应类别标签，其中类别标签值为0和1，0表示负荷波动超出预设阈值，1表示负荷波动在正常范围，其中，决策函数具体计算公式如下： 式中，代表第个新负荷数据；代表训练数据总数；代表第个拉格朗日乘子；代表第个训练数据的标签；代表新负荷数据和训练数据之间的核函数值；代表偏置项。

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微控飞轮(沈阳)技术开发有限公司，其通讯地址为：110000 辽宁省沈阳市经济技术开发区开发二十二号路197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”。