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！

龙图腾网获悉中国长江电力股份有限公司申请的专利基于深度学习耦合物理约束的冷却器堵塞预测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：CN120145128B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510630336.4，技术领域涉及：G06F18/24；该发明授权基于深度学习耦合物理约束的冷却器堵塞预测方法是由李潇;唐浩;林灿珍;李镇翰;刘柏钦设计研发完成，并于2025-05-16向国家知识产权局提交的专利申请。

本基于深度学习耦合物理约束的冷却器堵塞预测方法在说明书摘要公布了：本发明涉及水力发电设备状态预测技术领域，本发明公开了一种基于深度学习耦合物理约束的冷却器堵塞预测方法，包括以下步骤：采集冷却器运行时的温度、压力差以及流量参数，生成时序数据；对时序数据进行预处理，生成时序样本向量；构建深度学习混合模型，通过深度学习混合模型提取局部特征，以及捕捉全局时序依赖；结合纳维‑斯托克斯方程和交叉熵，构造综合损失函数；将处理后的数据输入深度学习混合模型，输出冷却器堵塞状态分类结果。本发明能够实现冷却器堵塞状态的早期精准识别，解决传统方法响应滞后的问题，可在堵塞早期发出预警，提前识别堵塞类型，避免非计划停机。

本发明授权基于深度学习耦合物理约束的冷却器堵塞预测方法在权利要求书中公布了：1.一种基于深度学习耦合物理约束的冷却器堵塞预测方法，其特征在于，包括以下步骤： S1、采集冷却器运行时的温度、压力差以及流量参数，生成时序数据； S2、对时序数据进行预处理，生成时序样本向量； S3、构建深度学习混合模型，通过深度学习混合模型提取局部特征以及捕捉全局时序依赖； S4、结合纳维-斯托克斯方程和交叉熵，构造综合损失函数； S5、将处理后的数据输入深度学习混合模型，输出冷却器堵塞状态分类结果；其中，冷却器堵塞状态分类包括正常、轻微、中度以及严重堵塞； 在S3中，构建深度学习混合模型的步骤包括： S3.1、双向时序卷积模块构建： 在时序卷积网络的基础上，同时从正向和反向两个方向对序列数据进行建模，在双向时序卷积模块中，正、反向时序卷积设置一致，依次完成扩张卷积、最大值池化以及批量归一化操作； S3.2、变换器模块构建： 基于双向时序卷积模块输出的特征，通过多头注意力机制捕捉长期趋势与参数间动态耦合关系，生成全局时序依赖特征； S3.3、输出层构建： 输出层增设一个用于压力预测的输出分支，在经过变换器模块对数据完成特征提取后，分别接入两个全连接层，其中一个全连接层用于执行分类任务，判定冷却器堵塞的预测类别，另一个全连接层则输出压力预测值，该压力预测值参与到物理损失的计算过程中； 基于深度学习混合模型，在变换器模块中，使用编码器部分进行特征提取。

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国长江电力股份有限公司，其通讯地址为：430014 湖北省武汉市江岸区三阳路88号三阳中心；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”。