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！

龙图腾网恭喜北京京能热力股份有限公司申请的专利一种基于人工智能的供热系统故障分析方法及装置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：CN117743909B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202311544738.X，技术领域涉及：G06F18/241；该发明授权一种基于人工智能的供热系统故障分析方法及装置是由付强;吴佳滨;侯晓东;梅德芳;柳玉宾;杜红波;张建华;颜东旭;路立坤;赵楠;孙哲;郭艳波;王亦能;杨蒙设计研发完成，并于2023-11-20向国家知识产权局提交的专利申请。

本一种基于人工智能的供热系统故障分析方法及装置在说明书摘要公布了：本发明提供一种基于人工智能的供热系统故障分析方法及装置，涉及数据处理技术领域，所述方法包括：将环境动态数据与数字孪生模型进行融合，建立动态数字孪生模型；基于动态数字孪生模型，分析故障类型，动态数字孪生模型通过比较正常运行数据、故障运行数据的模式以及环境动态数据的影响，识别故障类型；根据所述故障类型，预测故障发展趋势和影响；根据故障发展趋势和影响，预估风险级别。本发明通过建立数字孪生模型，并与实际运行数据进行比较，能够更准确地检测供热系统参数异常，实现对故障的快速定位。

本发明授权一种基于人工智能的供热系统故障分析方法及装置在权利要求书中公布了：1.一种基于人工智能的供热系统故障分析方法，其特征在于，所述方法包括：获取供热系统的运行数据；根据运行数据，建立供热系统的数字孪生模型；当数字孪生模型检测到供热系统参数异常时，获取环境动态数据；将环境动态数据与数字孪生模型进行融合，建立动态数字孪生模型；基于动态数字孪生模型，分析故障类型，动态数字孪生模型通过比较正常运行数据、故障运行数据的模式以及环境动态数据的影响，识别故障类型；根据所述故障类型，预测故障发展趋势和影响；根据故障发展趋势和影响，预估风险级别；根据运行数据，建立供热系统的数字孪生模型，包括：获取供热系统的结构数据以及供热系统的历史运行数据；根据供热系统的结构数据以及历史运行数据，构建供热系统的物理模型；根据所述物理模型，建立供热系统的数学模型；通过历史运行数据作为输入信号，调整所述数学模型中的未知参数，使所述数学模型输出符合要求的历史数据；将符合要求的历史数据输入物理模型和数学模型，形成供热系统的数字孪生模型；当数字孪生模型检测到供热系统参数异常时，获取环境动态数据，包括：当数字孪生模型在模拟供热系统运行时，监测供热系统的关键参数，并将关键参数与设定的正常运行范围进行对比；如果监测到的关键参数≥正常范围，则判定供热系统发生故障或异常，供热系统自动获取相关的环境动态数据；将环境动态数据与数字孪生模型进行融合，建立动态数字孪生模型，包括：对获取的环境动态数据进行预处理，以得到预处理数据，具体包括：通过对获取的环境动态数据进行处理，以得到处理后的信号X，其中，wt是原始信号xt的权重函数，Xa,b是小波变换后的信号，a是尺度参数，b是平移参数，ψ是母小波函数，t是时间变量，其中，wt＝Rt,t0＝E[xr0+txt0]，Rt，t0是原始信号在时刻t0的自相关函数，R是自相关函数符号，t0是自相关函数中的参考时刻，E是期望或均值运算符，x是原始信号符号，xt0是原始信号在时刻t0的值，xt0+t是原始信号在时刻t0+t的值；分析预处理数据中的参数与数字孪生模型的关联点，确定与环境动态数据相关的子模块，具体包括：根据预处理数据，构建参数关联度量其中，Gij表示参数i和j之间的关联度量，T是时间长度，是参数i的均值，wt是时间权重；根据参数关联度量Gij，建立加权关联矩阵R＝Wr×Wc×G，其中，Wr是行权重矩阵，Wc是列权重矩阵，行权重矩阵Wr＝diagwr1，wr2，…，wrn，其中，wri是第i个参数的行权重系数，r表示行，n表示参数的个数，c表示列；列权重矩阵Wc＝diagwc1，wc2，...，wcn，其中，wci是第i个参数的列权重系数，G是原始关联矩阵，其中，在数字孪生模型的框架中增加与环境动态数据参数匹配的输入接口；设计动态数据驱动机制，当预处理数据通过新增接口输入时，激活子模块的更新计算；在模型框架中调用新增的动态数据输入接口，激活动态驱动机制，以生成动态数字孪生模型；基于动态数字孪生模型，分析故障类型，动态数字孪生模型通过比较正常运行数据、故障运行数据的模式以及环境动态数据的影响，识别故障类型，包括：在动态数字孪生模型的框架内，建立正常运行数据模块、故障运行数据模块和环境动态数据模块；将正常运行数据、故障运行数据以及环境动态数据分别输入运行数据模块、故障运行数据模块和环境动态数据模块；分别比较运行数据模块、故障运行数据模块和环境动态数据模块的模式特征，获取故障运行数据与正常运行数据的差异；根据环境动态数据的影响，分析差异形成的原因，确定导致该差异的故障类型；根据所述故障类型，预测故障发展趋势和影响，包括：构建故障类型知识库；在确定故障类型后，以故障类型为关键字查询知识库，获取故障类型的发展规律信息；使用知识库中获取的类型故障历史案例，训练故障发展的预测模型，以得到最终的预测模型；将当前故障的参数输入最终的预测模型，以得到故障发展路径；分析知识库的影响范围以及故障发展路径，以获得分析结果；根据环境动态数据对分析结果的影响，进行修正，得到最终的影响预测；根据故障发展趋势和影响，预估风险级别，包括：根据故障的发展速度、影响范围和环境动态因素，构建故障风险评估模型；在故障风险评估模型中预设不同风险级别的判定阈值；根据故障发展趋势以及故障风险评估模型，计算综合风险值；根据综合风险值以及预设的阈值，以得到初步的风险级别；根据环境动态因素，对初步风险级别进行调整，得到调整后的结果；根据调整后的结果，获得最终的风险级别。

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北京京能热力股份有限公司，其通讯地址为：100160 北京市丰台区南四环西路186号三区4号楼5层01室；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”。