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！

龙图腾网获悉山东建筑大学申请的专利一种办公建筑能耗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：CN120217609B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510685367.X，技术领域涉及：G06F30/18；该发明授权一种办公建筑能耗预测方法及系统是由田长彬;李铭锐;张浩;闫安设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本一种办公建筑能耗预测方法及系统在说明书摘要公布了：本发明公开一种办公建筑能耗预测方法及系统，涉及能耗预测技术领域，该方法包括：采集当前办公建筑能耗数据；将负荷序列分解为多个模态分量，对每个模态分量计算其样本熵，根据样本熵的计算结果，使用K均值聚类算法对模态分量进行重组；将重组后的每个模态分量作为节点，将模态分量之间的时序相似性作为节点之间的边，构建出图结构；将图结构输入GCN‑Transformer模型中，提取图结构中节点的空间特征，引入自注意力机制提取时序特征；通过将时空特征输入全连接层中，得到未来一段时间的能耗预测值；该方法在面对复杂多变的能耗场景时，能够同时兼顾空间协同和时间依赖，从而提供更精准的预测结果。

本发明授权一种办公建筑能耗预测方法及系统在权利要求书中公布了：1.一种办公建筑能耗预测方法，其特征在于，包括以下步骤： 采集当前办公建筑不同能源使用设备的负荷序列； 将不同能源使用设备的负荷序列分解为多个模态分量，对每个模态分量计算其样本熵；根据每个模态分量的样本熵，对其对应的模态分量进行重组；将重组后的每个模态分量作为节点，使用动态时间规整计算各个模态分量之间的时序相似性，将时间相似性作为节点之间的边，构建出图结构；所述对每个模态分量计算其样本熵，具体包括以下步骤：将每个模态分量按序号组成一组维数为m的向量子序列：，其中，；每个模态分量是由N个数据组成的时间序列；定义向量子序列与另一个向量子序列之间的距离为两者对应元素中最大差值的绝对值；其中，w表示子序列的起始位置索引，s表示另一个子序列的起始位置索引；对于给定的，统计与之间距离小于或等于相似度阈值r的s的数目，并记作，,；对于，从第w个子序列出发，其他m维子序列与其距离小于等于阈值r的数目定义为；计算所有的平均值，该平均值代表任意两个m维序列在阈值r下匹配的概率；增加维数到m+1,计算与距离小于等于r的个数，记为，；计算从第w个子序列出发，其他的m+1维子序列与它距离小于等于阈值r的数目，记为；计算所有的平均值，该平均值代表任意两个m+1维的序列在阈值r下匹配的概率；则样本熵表示为：；式中：m为序列维度；N为样本数量；所述据每个模态分量的样本熵，对其对应的模态分量进行重组，具体包括：定义各个不同频率特征的模态分量包含的样本数量为Np，从多个不同子序列中取出第i个样本分量sampi，则得到Np个样本的轮廓系数SCNp表示为：；其中，i代表正整数，1≦i≦Np；ai表示特定样本sampi与其它同类样本间的平均距离；bi为样本sampi与排除其本身的不同类别样本点间的平均距离；根据Np个样本的轮廓系数，对同一聚类的所有模态分量，采用加权平均法进行重组，每个模态分量的能量定义为：；对于每一个聚类组，基于能量计算归一化权重:；其中，j为正整数，是第k个模态分量的能量，是第i个模态分量的能量；代表该模态分量在其所属聚类组内的权重；则得到重组模态分量表示为：； 将图结构输入GCN-Transformer模型中，利用图卷积网络GCN的图卷积操作提取图结构中节点的空间特征，将节点的空间特征输入Transformer模型中，通过引入自注意力机制提取该空间特征的时序特征，得到时空特征；通过将时空特征输入全连接层中，得到未来一段时间的能耗预测值。

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山东建筑大学，其通讯地址为：250101 山东省济南市历城区临港开发区凤鸣路1000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。