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！

龙图腾网获悉中南大学申请的专利一种不规则多采样率工业过程能耗预测方法和系统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：CN120297519B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510787735.1，技术领域涉及：G06Q10/04；该发明授权一种不规则多采样率工业过程能耗预测方法和系统是由王雅琳;董铭江;谭栩杰;刘晨亮;杨瑞楷;张宇洁;袁小锋;陈志文设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本一种不规则多采样率工业过程能耗预测方法和系统在说明书摘要公布了：本发明提供了一种不规则多采样率工业过程能耗预测方法和系统，通过采集多种工业过程中的电解槽离子浓度数据作为训练用外生变量，将槽压数据作为训练用时序变量，并将任意时刻的训练用外生变量与多个训练用时序变量进行匹配，提取与每种工业过程中每个训练用时序变量对应的时间距离作为额外特征；利用训练用外生变量、训练用时序变量、采集时间以及额外特征对由多编码模块、融合模块、解码模块、全连接模块组成的能耗预测模型进行训练，得到训练后的能耗预测模型；利用训练后的能耗预测模型对目标工业过程中带时间戳的电解槽离子浓度数据和槽压数据进行能耗预测，得到目标工业过程的能耗实时预测结果，提升了能耗预测的精确度。

本发明授权一种不规则多采样率工业过程能耗预测方法和系统在权利要求书中公布了：1.一种不规则多采样率工业过程能耗预测方法，其特征在于，包括： 步骤1，采集多种工业过程中的电解槽离子浓度数据、槽压数据以及采集时间，并将所述电解槽离子浓度数据作为训练用外生变量，将所述槽压数据作为训练用时序变量； 步骤2，根据所述训练用外生变量的静态性，将任意时刻的训练用外生变量与多个训练用时序变量进行匹配，并根据所述训练用时序变量的动态性，在任意时刻的训练用外生变量与多个训练用时序变量进行匹配的情况下，提取与每种工业过程中每个训练用时序变量对应的时间距离； 步骤3，利用所述训练用外生变量、所述训练用时序变量、所述采集时间以及与每个训练用时序变量对应的时间距离对构建的能耗预测模型进行训练，得到训练后的能耗预测模型； 步骤4，将目标工业过程中带时间戳的电解槽离子浓度数据和槽压数据作为外生变量和时序变量，在任意时刻的外生变量与多个时序变量进行匹配的情况下，提取与所述目标工业过程中每个时序变量对应的时间距离，将所述外生变量、所述时序变量与所述目标工业过程中每个时序变量对应的时间距离输入训练后的能耗预测模型进行能耗预测，得到所述目标工业过程的能耗实时预测结果； 所述能耗预测模型由多编码模块、融合模块、解码模块、全连接模块组成，所述多编码模块的输入端为所述能耗预测模型的第一输入端，用于输入外生变量和时序变量，所述融合模块的第一输入端为所述能耗预测模型的第二输入端，用于输入时间距离；所述多编码模块的输出端与所述融合模块的第二输入端连接，所述融合模块的输出端与所述解码模块的输入端，所述解码模块的输出端与所述全连接模块的输入端连接，所述全连接模块的输出端为所述能耗预测模型的输出端； 所述多编码模块由外生编码单元和时序编码单元组成，所述外生编码单元以移除了位置编码器的Transformer模型中的编码器作为第一编码器，所述时序编码单元以移除了位置编码器并且前馈层替换成了维度更低的前馈层的Transformer模型中的编码器作为第二编码器。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。