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！

龙图腾网获悉四川农业大学申请的专利一种区域建筑碳排放优化系统及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：CN121303769B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511852336.5，技术领域涉及：G06Q10/0631；该发明授权一种区域建筑碳排放优化系统及方法是由周颖;林诗雨;泽仁措;张新韵;石桁宇;周林峰;魏伟;杨畅设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本一种区域建筑碳排放优化系统及方法在说明书摘要公布了：本发明公开了一种区域建筑碳排放优化系统及方法，旨在解决区域建筑平衡碳排放、经济成本和用户舒适度多重优化目标的问题。系统包括感知层、传输层、平台层和应用层，感知层采集建筑用能、环境状态及区域能源等多源数据，平台层的用能负荷预测模块基于历史数据预测未来负荷，多目标协同优化模块构建以区域总碳排放最小、总能源成本最低及用户平均舒适度最高为目标的目标函数，采用非支配排序遗传算法求解得到最优的区域能源调度策略，最后通过区域能源枢纽模块执行该策略。本发明通过数据驱动的协同调度，科学地平衡了减排、经济与舒适性之间的矛盾，显著提升了区域建筑群的综合能源效率和低碳运行水平。

本发明授权一种区域建筑碳排放优化系统及方法在权利要求书中公布了：1.一种区域建筑碳排放优化系统，应用于智慧城市社区，其特征在于，包括依次连接的感知层、传输层、平台层和应用层，其中： 感知层用于采集区域内建筑的多源数据，多源数据包括建筑用能数据、环境状态数据、区域能源资源数据和用户行为数据； 传输层用于接收感知层采集的多源数据，对多源数据进行边缘预处理，并通过通信协议适配将预处理后的数据传输至平台层； 平台层用于对传输层传输的数据进行存储、处理并进行优化决策，包括： 数据存储模块，用于存储预处理后的数据； 碳排放核算模块，基于建筑用能数据及碳排放因子，计算单栋建筑碳排放和区域总碳排放； 用能负荷预测模块，基于建筑用能数据及环境状态数据，预测区域内建筑未来时段的用能负荷； 多目标协同优化模块，基于用能负荷预测结果，结合用户舒适度约束，平衡碳排放、能源成本及舒适度目标，生成区域能源调度策略； 区域能源枢纽模块，用于执行区域能源调度策略，调度区域内的能源在建筑间的传输与分配； 应用层用于展示平台层的结果，包括可视化界面，用于呈现区域碳排放数据、未来时段的用能负荷预测值、能源成本效益及用户舒适度状态； 所述感知层中，建筑用能数据包括区域内每栋建筑的电消耗数据、燃气消耗数据及热力消耗数据，通过NB-IoT智能电表、燃气表、热力表采集； 环境状态数据包括建筑室内环境数据及区域室外气象数据，室内环境数据包括建筑室内的温度数据、湿度数据、浓度数据，通过LoRa无线传感器采集，室外气象数据包括区域室外的光照强度数据、风速数据及室外温度数据，通过区域气象站获取； 区域能源资源数据包括区域内光伏电站的光伏电资源数据、储能电池的充放电功率数据及余热回收系统的余热资源数据，通过Modbus及OPCUA标准化接口采集； 用户行为数据包括用户的舒适度偏好数据，通过建筑内智能终端设备采集； 所述平台层的用能负荷预测模块包括依次连接的数据处理单元、模型训练单元和负荷预测单元，其中： 数据处理单元用于对感知层采集后存储于数据存储模块的历史建筑用能数据和室外气象数据进行标准化处理，处理步骤具体包括数据对齐和归一化处理，数据对齐步骤将区域内第栋建筑的历史建筑用能数据与对应时段的室外气象数据按固定间隔时间点的时间戳同步对齐，形成用能与环境的关联数据集；归一化处理步骤采用Min-Max归一化将对齐后的数据集映射至区间，消除量纲差异，公式为： ； 其中，为原始数据，包括建筑用能数据和室外气象数据，、分别为该数据序列的最小值、最大值，为归一化后的数据； 模型训练单元采用长短期记忆神经网络训练用能负荷预测模型，输入为历史特征向量，输出为未来时段的用能负荷预测值，对于第栋建筑，每个时间步t的历史特征向量为： ； 其中，为第栋建筑时段经数据处理单元归一化后的建筑用能数据向量，为第栋建筑时段的电用能数据，为第栋建筑时段的燃气用能数据，为第栋建筑时段的热力用能数据，分别为时段经数据处理单元归一化后的室外温度数据、光照强度数据、风速数据；用能负荷预测模型通过滑动窗口法构造训练样本，窗口长度为24小时，每个样本包括过去24小时的历史特征向量序列，预测horizon为未来6小时，每小时一个预测点，损失函数具体为： 其中，为训练样本数量，分别为第栋建筑时段电、燃气、热力用能负荷预测值，为第栋建筑时段的电、燃气、热力用能数据真实值； 负荷预测单元使用训练好的用能负荷预测模型预测区域内建筑未来时段的用能负荷： ； 其中，，为第栋建筑时段的用能负荷预测值向量；最后通过反归一化将用能负荷预测值向量中的各预测值转换为实际建筑用能预测数据； 所述平台层的多目标协同优化模块用于生成区域能源调度策略，工作流程包括： 1接收执行多目标优化的输入数据，输入数据包括来自用能负荷预测模块的用能负荷预测值，以及感知层采集的用户舒适度偏好数据和区域能源资源数据； 2对区域能源调度策略进行个体编码，并设置种群规模，采用均匀分布随机初始化生成若干个个体，每个个体代表一个调度策略，编码结构为： ； 其中，为余热传输比例矩阵，表示工厂向建筑传输的余热占工厂总余热的比例，满足，，，为区域内工厂数量，为区域内建筑数量；为光伏电分配比例矩阵，表示光伏电站向建筑分配的光伏电占光伏电站总光伏电的比例，满足，，为区域内光伏电站数量；为储能电池充电功率矩阵，表示建筑对于储能电池的充电功率，为储能电池放电功率矩阵，表示储能电池向建筑的放电功率，，为区域内储能电池数量； 3以最小化未来区域总碳排放、最小化未来区域总能源成本及最大化用户平均舒适度为目标，构建多目标优化的目标函数： ； ； ； ； 其中，为建筑电碳排放，计算公式为： 为光伏电站的总光伏电资源，为电力碳排放因子，K为未来预测的时段数量，为时段索引，为时间步长，代表每个预测时段的长度； 为建筑燃气碳排放，计算公式为： ； 为工厂的总余热资源，为燃气碳排放因子； 为建筑热力碳排放，计算公式为： ； 为热力碳排放因子； 、、分别为建筑的电成本、燃气成本及热力成本，电成本计算公式为： 为电网实时电价； 为建筑的用户舒适度评分，计算公式为： ； 其中，、、为舒适度指标权重，、、为温度、湿度、二氧化碳浓度的室内环境数据，、、为室内环境允许的边界值，、、为用户设定的舒适度偏好数据； 4对每个个体解码得到调度策略后计算对应的目标函数值； 5采用非支配排序和拥挤度距离评估个体适应度，根据目标函数值，将种群中的个体分为不同的非支配层，计算每个个体在所在层中的拥挤度距离： ； 其中，分别对应目标函数，为个体的第个目标值，为个体所在层中第个目标值的最大值、最小值； 6从种群中随机选择两个个体，选择非支配层更优或拥挤度距离更大的个体进入下一代，重复该步骤直至种群中全部个体均被选择完成； 对选中的个体两两进行单点交叉，单点交叉的具体逻辑为：在个体编码间随机选择一个交叉点，交换两个体交叉点后的部分编码； 对交叉后的个体进行高斯变异，变异概率设置为0.1，变异逻辑具体为：随机选择一个编码参数，对该参数添加高斯噪声； 7迭代次数达到最大值时输出第一层非支配层中的最优解，根据用户优先级从中选择最优个体解码得到区域能源调度策略。

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四川农业大学，其通讯地址为：625014 四川省雅安市雨城区新康路46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。