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！

龙图腾网获悉国网江苏省电力有限公司苏州供电分公司申请的专利基于迁移学习的恒温恒湿空调系统负荷预测方法及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：CN120720703B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511173506.7，技术领域涉及：F24F11/64；该发明授权基于迁移学习的恒温恒湿空调系统负荷预测方法及系统是由李洁;钱霄杰;李亚飞;陈宇;殷勤;顾立群;周磊;李圆琪设计研发完成，并于2025-08-21向国家知识产权局提交的专利申请。

本基于迁移学习的恒温恒湿空调系统负荷预测方法及系统在说明书摘要公布了：基于迁移学习的恒温恒湿空调系统负荷预测方法及系统，包括获取不同工厂不同外界环境参数下的历史工厂环境参数序列以及对应负荷，提取其特征数据，将所有特征数据聚类，将同一簇的历史工厂环境参数序列和其对应负荷作为一个训练集训练出一个负荷预测模型；获取当前工厂环境参数序列，计算其与所有簇的聚类中心的序列相似度，将序列相似度最大的负荷预测模型作为基准负荷预测模型；构建与基准负荷预测模型网络结构相同的目标域模型，对目标域模型进行迁移学习，将当前工厂环境参数序列输入目标域模型，输出预测的负荷；判断工厂下一时刻的空调启停状态进行热惰性修正。本发明解决了单一模型难以适应多工厂、多变环境的瓶颈。

本发明授权基于迁移学习的恒温恒湿空调系统负荷预测方法及系统在权利要求书中公布了：1.一种基于迁移学习的恒温恒湿空调系统负荷预测方法，其特征在于，包括以下内容： 获取不同工厂不同外界环境参数下的历史工厂环境参数序列以及对应负荷，所述历史工厂环境参数序列包括设定周期内的工厂温度数据序列和工厂湿度数据序列；对每个历史工厂环境参数序列均提取其特征数据，将所有特征数据聚类，将同一簇的历史工厂环境参数序列和其对应负荷作为一个训练集训练出一个负荷预测模型；负荷预测模型包括输入层、特征编码器、预测头；所述输入层输入当前工厂环境参数序列；所述特征编码器为双向LSTM层，双向LSTM层输出每个时间步的隐藏状态组成的序列，预测头进行分位数回归输出，输出预测的负荷；所述分位数回归输出为设定多个大于0小于1的分位数，对于每个分位数具有不同的权重矩阵和偏置，并将双向LSTM层输出每个时间步的隐藏状态组成的序列乘以分位数对应的权重矩阵在加上分位数对应的偏置，得到对应分位数的预测结果，将所有分位数的预测结果以对应的分位数作为权重进行加权求和，得到最终预测的负荷； 获取当前工厂环境参数序列，计算当前工厂环境参数序列与所有簇的聚类中心对应的历史工厂环境参数序列的序列相似度，具体为： 对于当前工厂环境参数序列与每个簇的聚类中心对应的历史工厂环境参数序列的序列，将这两个序列时间上对齐后，分别提取两个序列中设定长度的子序列，计算两个子序列的每个数据点的斜率、曲率和幅值，将数据点的斜率、曲率和幅值作为其坐标，所述斜率为该数据点的下一个数据点减去该数据点的上一个数据点，再除以两倍的数据点相隔的时间步长，当数据点为子序列的第一个数据点时，用该数据点作为该数据点的上一个数据点，当数据点为子序列的最后一个数据点时，用该数据点作为该数据点的下一个数据点；同一个子序列的所有数据定的曲率相等；所述幅值为数据点减去子序列数据点均值；计算两个子序列中所有相同序号的数据点坐标的欧氏距离，并加和，将两个子序列中的数据点重新排序，直到两个子序列中所有相同序号的数据点坐标的欧氏距离加和结果达到最小，将该最小加和结果加1后取倒数，该倒数为两个序列的序列相似度； 将序列相似度最大的聚类中心对应的负荷预测模型作为基准负荷预测模型； 将基准负荷预测模型作为源域模型，构建与源域模型网络结构相同的目标域模型，对目标域模型进行迁移学习，具体为： 以基准负荷预测模型的网络权重作为目标域模型的初始网络权重，重新训练预测头中的各分位数的权重矩阵和偏置，直到迁移学习的损失函数达到最小，迁移学习的损失函数为： 其中，分位数损失核函数，为分位数、为时间步t的真实负荷值，为时间步t分位数的预测值，T为总时间步，为正则化系数，、分别为迭代次数为u时分位数的权重矩阵和偏置，为的范数； 将当前工厂环境参数序列输入到目标域模型，输出预测的负荷； 根据预测的负荷判断工厂下一时刻的空调启停状态，根据空调启停状态对预测的负荷进行停机或开机的热惰性修正。

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国网江苏省电力有限公司苏州供电分公司，其通讯地址为：215004 江苏省苏州市姑苏区劳动路555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。