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！

龙图腾网获悉中用科技有限公司申请的专利一种基于无监督学习算法的冷机机组能耗优化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：CN115840355B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211209141.5，技术领域涉及：G05B13/04；该发明授权一种基于无监督学习算法的冷机机组能耗优化方法是由江大白;汪刚;贾纬民设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种基于无监督学习算法的冷机机组能耗优化方法在说明书摘要公布了：本发明公开了一种基于无监督学习算法的冷机机组能耗优化方法，包括：采集冷机机组中设备的运行与能耗参数；利用所述冷机机组中数据使用无监督学习中心进行实时设备能耗特征提取，所述无监督学习中心进行实时设备能耗特征提取包括了冷机机组运行状态信息；利用所述无监督学习中心进行实时设备能耗优化效率特征提取；计算所述无监督学习中心进行实时设备能耗特征提取的优化效率是否大于预设的能耗阈值；当计算无监督学习中心进行实时设备能耗特征提取的优化效率大于预设的能耗阈值时，将所使用的无监督学习中心进行实时设备能耗特征提取分别计算到各冷机机组模块数据控制平台，本发明可以提高计算的准确性和对冷机机组数据的优化效率。

本发明授权一种基于无监督学习算法的冷机机组能耗优化方法在权利要求书中公布了：1.一种基于无监督学习算法的冷机机组能耗优化方法，其特征在于，包括： 采集冷机机组中设备的运行与能耗参数； 利用所述冷机机组中设备的运行与能耗参数使用无监督学习中心进行实时设备能耗特征提取，所述无监督学习中心进行实时设备能耗特征提取包括了冷机机组运行状态信息； 利用所述无监督学习中心进行实时设备能耗优化效率特征提取； 计算所述无监督学习中心进行实时设备能耗特征提取的优化效率是否大于预设的能耗阈值； 当计算无监督学习中心进行实时设备能耗特征提取的优化效率大于预设的能耗阈值时，将所使用的无监督学习中心进行实时设备能耗特征提取分别计算到各冷机机组模块数据控制平台； 当计算所述无监督学习中心进行实时设备能耗特征提取的优化效率不大于预设的能耗阈值时，重新进行所述冷机机组中设备的运行与能耗参数计算、使用无监督学习中心进行实时设备能耗特征提取以及计算优化效率； 利用所述无监督学习中心进行实时设备能耗优化效率特征提取的步骤包括： 计算各冷机机组模块数据控制平台的无监督学习中心进行实时设备能耗特征提取的优化效率； 将所述各冷机机组模块数据控制平台的无监督学习中心进行实时设备能耗特征提取的优化效率及优化效率差异的算法作为所述无监督学习中心进行实时设备能耗特征提取的优化效率； 在将所使用的无监督学习中心进行实时设备能耗特征提取分别计算到各冷机机组模块数据控制平台的步骤之前，计算无监督学习中心进行实时设备能耗特征提取中所包括的各冷机机组模块异常数据的相应优化效率与初始信息，所述初始信息为相应冷机机组模块异常数据的预定出现频率； 在进行了预设次数的无监督学习中心进行实时设备能耗特征提取的计算后，计算各冷机机组模块异常数据的相应再次信息，所述再次信息为在所述预设次数的无监督学习中心进行实时设备能耗特征提取的计算中相应冷机机组模块异常数据的出现概率； 利用所述优化效率、初始信息与所述再次信息，计算该冷机机组模块异常数据的新优化效率； 其中所述无监督学习中心进行实时设备能耗特征提取包括所述各冷机机组模块异常数据，所述无监督学习中心进行实时设备能耗特征提取的优化效率利用各冷机机组模块异常数据的优化效率而计算。

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中用科技有限公司，其通讯地址为：230000 安徽省合肥市蜀山区宿松路3963号智能装备科技园E栋12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”。