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！

龙图腾网获悉大连理工大学申请的专利融合计划和多维状态信息的工业生产-能源耦合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：CN120430472B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510918525.1，技术领域涉及：G06Q10/04；该发明授权融合计划和多维状态信息的工业生产-能源耦合预测方法是由王天宇;宋俊奇;赵珺;王伟设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本融合计划和多维状态信息的工业生产-能源耦合预测方法在说明书摘要公布了：本发明公开了一种融合计划和多维状态信息的工业生产‑能源耦合预测方法，属于信息技术领域，首先，采用基于小波分析的匹配方法提取工业能源数据的节奏特征和波形特征；其次，采用概率跃迁的对比学习算法构建对比学习模型，对多序列特征数据进行相关性和不确定性分析并进行编码；最后，将对比学习模型的输出与生产计划数据拼接后作为物理信息神经网络的输入，并输出预测结果，将生产计划转化为偏微分方程的形式嵌入物理信息神经网络的损失函数中，使物理信息神经网络能够根据生产计划动态地调整预测结果，最终得到满足计划约束的预测结果。本发明预测精度较高，且预测时长符合工业现场的应用要求，可为后续的能源优化调度提供决策指导。

本发明授权融合计划和多维状态信息的工业生产-能源耦合预测方法在权利要求书中公布了：1.一种融合计划和多维状态信息的工业生产-能源耦合预测方法，其特征在于，包括：首先，对于连续波动的工业能源数据，采用基于小波分析的匹配方法提取工业能源数据的节奏特征和波形特征，实现将一维时间序列重新堆叠为多序列特征数据；其次，采用概率跃迁的对比学习算法构建对比学习模型，对多序列特征数据进行相关性和不确定性分析并进行编码，以捕获不同维度的特征之间的相互关系；最后，将对比学习模型的输出与生产计划数据拼接后作为物理信息神经网络的输入，并输出预测结果，将生产计划转化为偏微分方程的形式嵌入物理信息神经网络的损失函数中，使物理信息神经网络能够根据生产计划动态地调整预测结果，最终得到满足计划约束的预测结果； 节奏特征提取具体为： 工业能源数据的能源曲线由具有明显边界的能源曲线片段构成，设数值不为0的能源曲线片段对应的区间为节奏窗口； 采用类凸形的哈尔小波函数作为母函数，通过母函数在时域方向上的平移和伸缩操作形成针对各节奏窗口内能源曲线片段的基函数： 1 2 其中，表示能源曲线的时间索引，表示时域伸缩系数，表示时域平移系数，为敏感性系数，表示伸缩量上下限，表示平移量上下限； 将基函数与能源曲线进行匹配运算，获得匹配度矩阵： 3 其中，表示能源曲线的时序长度； 将展开为三维图像，其中三维图像的三轴分别为时域维度、频域维度和匹配值，将三维图像向频域轴的垂面进行投影，得到投影曲线，搜索得到投影曲线每个波峰位置的极值点在三维图像中的坐标，表示极值点时域坐标，表示极值点频域坐标，表示极值点个数； 对于存在数值为0的曲线片段的能源曲线，将转化为零数值曲线片段的分布特征，作为最终的节奏特征，其中表示零数值曲线片段的中间时刻，表示零数值曲线片段时长； 对于不存在零数值曲线片段的能源曲线，将作为最终的节奏特征，为统一描述，将替换为表示。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。

以上内容由龙图腾AI智能生成。