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！

龙图腾网恭喜南京深度智控科技有限公司申请的专利基于混合模型的制冷机房系统节能优化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：CN119337747B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411891165.2，技术领域涉及：G06F30/27；该发明授权基于混合模型的制冷机房系统节能优化方法是由李辉;黄政设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于混合模型的制冷机房系统节能优化方法在说明书摘要公布了：一种基于混合模型的制冷机房系统节能优化方法，该方法包括：通过热力学模型基于制冷机房系统的历史运行数据和连接关系构建节能优化树和部件关系图。随机遍历部件关系图中的节点，获取部件关系图中每个节点作为首节点的随机遍历路径，以随机遍历路径作为首节点的特征向量。调用卷积神经网络中的卷积层对特征向量进行卷积，调用特征提取层从卷积后的结果中提取高频特征数据，调用池化层从高频特征数据中计算制冷机房系统的部件关系特征表示。将部件关系特征表示输入至图神经网络，调用图神经网络计算出对应的特征图矩阵。获取制冷机房系统的当前运行数据，根据当前运行数据以及特征图矩阵，输出节能优化策略。

本发明授权基于混合模型的制冷机房系统节能优化方法在权利要求书中公布了：1.一种基于混合模型的制冷机房系统节能优化方法，其特征在于，所述方法包括：获取制冷机房系统的历史运行数据以及各部件的连接关系，并通过热力学模型基于所述历史运行数据和连接关系构建节能优化树和部件关系图；随机遍历所述部件关系图中的节点，以获取所述部件关系图中每个节点作为首节点的随机遍历路径，并以所述随机遍历路径作为所述首节点的特征向量；调用卷积神经网络中的卷积层对所述特征向量进行卷积，并调用特征提取层从卷积后的结果中提取高频特征数据，以调用池化层从所述高频特征数据中计算所述制冷机房系统的部件关系特征表示；将所述部件关系特征表示输入至图神经网络，以调用所述图神经网络计算出所述部件关系特征表示对应的特征图矩阵；获取所述制冷机房系统的当前运行数据，根据所述当前运行数据以及特征图矩阵，输出节能优化策略；其中，所述制冷机房系统的各部件包括冷水机组、冷却塔、空气处理机组以及冷水泵，所述冷水机组用于将冷冻水降温至设定温度，并将降温至设定温度的冷冻水供应至所述空气处理机组用于制冷；所述冷却塔用于通过蒸发冷却的方式将所述冷水机组产生的废热释放至大气中；所述空气处理机组用于通过热水盘管调节空气温度和空气湿度，并将处理后的空气输送至制冷机房；所述冷水泵用于驱动冷冻水在所述冷水机组、冷却塔和空气处理机组之间循环；所述随机遍历所述部件关系图中的节点，以获取所述部件关系图中每个节点作为首节点的随机遍历路径，并以所述随机遍历路径作为所述首节点的特征向量，包括：以所述部件关系图中的任一节点作为首节点，基于所述首节点随机遍历下一节点，遍历至所述随机遍历路径中的节点长度达到第一阈值，则将所述随机遍历路径作为所述首节点对应的特征向量；其中，随机遍历的概率取决于所述部件关系图中边的权重，以第一节点作为首节点，并以第二节点作为所述第一节点随机遍历的下一节点，则由所述第一节点至第二节点随机遍历的概率表达式为： ；式中，a为第一节点，b为第二节点，为由所述第一节点至第二节点随机遍历的概率，和分别为第一节点a至第二节点b的边的权重，以及第一节点a至节点i的边的权重，表示节能优化树中节点的总数量；所述特征图矩阵的计算表达式为： ， ；式中，为部件关系图中第个物理量对应的部件关系特征的转置，为转置符号，，为部件关系图中所有物理量的数量，为邻接向量组成的邻接矩阵，为邻接矩阵对应的对角矩阵，为激活函数，所述激活函数包括sigmoid函数和ReLu函数，为第层的特征图矩阵，，表示第层的权重矩阵，为图神经网络的模型参数；其中，所述邻接矩阵为通过所述节能优化树进行计算得到的，所述邻接矩阵的表达式为： ， ， ；式中，和分别表示部件关系图中第个节点对应的邻接向量与其中的元素，表示节能优化树中第个节点至顶点的距离，表示节能优化树中第个节点在部件关系图中与第个节点的距离，表示中的最大值，且。

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南京深度智控科技有限公司，其通讯地址为：210000 江苏省南京市江北新区星火路17号创智大厦A座6层；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”。