買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京深度智控科技有限公司申請的專利基于負荷預測的制造工廠水冷空調節能控制方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119321601B 。

龍圖騰網通過國家知識產權局官網在2025-04-18發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411881085.9，技術領域涉及：F24F11/46；該發明授權基于負荷預測的制造工廠水冷空調節能控制方法是由李輝;黃政設計研發完成，并于2024-12-19向國家知識產權局提交的專利申請。

本基于負荷預測的制造工廠水冷空調節能控制方法在說明書摘要公布了：一種基于負荷預測的制造工廠水冷空調節能控制方法，該方法包括：構建水冷空調系統的熱負荷機理模型，熱負荷機理模型包括墻體傳熱的瞬態導熱模型、太陽的輻射熱模型、設備的散熱熱模型以及新風潛熱模型。建立熱負荷最大流圖模型。建立水冷空調系統的制冷機理模型，制冷機理模型包括冷水機組模型、冷凍水管道熱損失模型、冷卻塔模型、空氣處理機組模型以及風道熱損失模型。建立制冷最大流圖模型。通過注意力機制對熱負荷最大流圖模型和制冷最大流圖模型進行訓練，以獲取熱負荷圖特征矩陣和制冷圖特征矩陣。根據熱負荷圖特征矩陣和制冷圖特征矩陣，對水冷空調系統的當前運行數據進行預測，以輸出水冷空調系統的節能控制策略。

本發明授權基于負荷預測的制造工廠水冷空調節能控制方法在權利要求書中公布了：1.一種基于負荷預測的制造工廠水冷空調節能控制方法，其特征在于，所述方法包括：構建水冷空調系統的熱負荷機理模型，所述熱負荷機理模型包括墻體傳熱的瞬態導熱模型、太陽的輻射熱模型、設備的散熱熱模型以及新風潛熱模型；基于所述熱負荷機理模型，建立熱負荷最大流圖模型；建立所述水冷空調系統的制冷機理模型，所述制冷機理模型包括冷水機組模型、冷凍水管道熱損失模型、冷卻塔模型、空氣處理機組模型以及風道熱損失模型；基于所述制冷機理模型，建立制冷最大流圖模型；通過注意力機制對所述熱負荷最大流圖模型和制冷最大流圖模型進行訓練，以獲取熱負荷圖特征矩陣和制冷圖特征矩陣；根據所述熱負荷圖特征矩陣和制冷圖特征矩陣，對所述水冷空調系統的當前運行數據進行預測，以輸出所述水冷空調系統的節能控制策略；其中，所述構建水冷空調系統的熱負荷機理模型，包括：構建所述墻體傳熱的瞬態導熱模型，所述墻體傳熱的瞬態導熱模型的表達式為： ， 式中，表示在墻體在時間下位置處的溫度，為墻體的導熱系數，為墻體密度，為墻體比熱容，與分別為內外表面的對流換熱系數，與分別為室內與室外的空氣溫度，為時刻的太陽的熱輻射；所述構建水冷空調系統的熱負荷機理模型，還包括：構建所述太陽的熱輻射模型，所述太陽的熱輻射模型的表達式為： 式中，為時刻太陽的熱輻射，為窗戶面積，為太陽的熱系數，表示單位時間的太陽輻射強度；構建所述設備的散熱熱模型，所述設備的散熱熱模型的表達式為： 式中，為時刻設備的熱輻射，與分別為第臺設備在時刻的功耗與效率；構建所述新風潛熱模型，所述新風潛熱模型的表達式為： 式中，為顯熱熱負荷，為新風質量流量，為空氣的定壓比熱容，為室外空氣溫度，為室內設定溫度；所述建立所述水冷空調系統的制冷機理模型，包括：建立所述冷水機組模型，所述冷水機組模型的表達式為： 式中，為冷水機組的制冷量，為冷凍水質量流量，為水的比熱容，為冷凍水回水溫度，為冷凍水供水溫度；建立所述冷凍水管道熱損失模型，所述冷凍水管道熱損失模型的表達式為： 式中，為管道熱損失，為保溫材料的導熱系數，為冷凍水平均溫度，為環境溫度，為管道長度，為管道內半徑，為保溫層外半徑；建立所述水冷空調系統的制冷機理模型，還包括：建立所述冷卻塔模型，所述冷卻塔模型的表達式為： 式中，為冷卻塔的散熱量，為冷卻水質量流量，為水的比熱容，為冷卻水回水溫度，為冷卻水供水溫度；建立所述空氣處理機組模型，所述空氣處理機組模型的表達式為： 式中，為空氣處理機組的冷量，為空氣質量流量，為空氣的比熱容，為回風溫度，為送風溫度；建立所述風道熱損失模型，所述風道熱損失模型的表達式為： 式中，為風道熱損失，為風道保溫材料的導熱系數，為冷卻空氣平均溫度，為環境溫度，為風道長度，為風道內半徑，為風道保溫層外半徑；所述通過注意力機制對所述熱負荷最大流圖模型和制冷最大流圖模型進行訓練，以獲取熱負荷圖特征矩陣和制冷圖特征矩陣，包括：提取所述熱負荷圖特征矩陣中的第一頂點在所述熱負荷最大流圖模型中映射后的第一特征向量，以及提取所述制冷圖特征矩陣中的第二頂點在所述制冷最大流圖模型中映射后的第二特征向量；分別計算所述第一頂點和第二頂點關于任意子節點的鄰域特征向量，并根據所述鄰域特征向量計算出所述第一頂點和第二頂點關于任意節能控制策略的注意力分數；其中，所述第一特征向量為基于所述第一頂點預設的第一權重學習矩陣以及第一待學習參數得到的，所述第二特征向量為基于所述第二頂點預設的第二權重學習矩陣以及第二待學習參數得到的。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京深度智控科技有限公司，其通訊地址為：210000 江蘇省南京市江北新區星火路17號創智大廈A座6層；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。