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！

龙图腾网恭喜浙江大学申请的专利基于即时学习和自适应阈值的综合能源供应站油罐泄漏检测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：CN113849479B 。

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：202111044449.4，技术领域涉及：G06F16/21；该发明授权基于即时学习和自适应阈值的综合能源供应站油罐泄漏检测方法是由赵春晖;王应龙;常树超设计研发完成，并于2021-09-07向国家知识产权局提交的专利申请。

本基于即时学习和自适应阈值的综合能源供应站油罐泄漏检测方法在说明书摘要公布了：本发明公开了一种基于即时学习和自适应阈值的综合能源供应站油罐泄漏检测方法。本发明采用即时学习的非参数化建模方法，当需要对在线实时数据流进行泄漏判断时，先从历史数据库中搜索并构建与在线数据模态最匹配的局部数据集建立基于油高软测量的泄漏检测模型，并根据检测结果对检测阈值进行自适应更新，以不断适配数据特性的小幅度波动。运行一段时间后，重复上述步骤更新模型以适配由于油量、温度等因素大幅变化带来的数据特性变化的问题。在建立局部模型时，采用指数加权平均方法对查询样本的多个预测结果进行后处理融合，有效提升油高的预测性能。最后通过基于真实油罐数据的实验证明本发明能够有效提升泄漏检测的准确性、适用性和及时性。

本发明授权基于即时学习和自适应阈值的综合能源供应站油罐泄漏检测方法在权利要求书中公布了：1.基于即时学习和自适应阈值的综合能源供应站油罐泄漏检测方法，其特征在于，所述方法包括以下步骤：1实时采集综合能源供应站当前的运行状态数据并保存和收集综合能源供应站油罐历史的运行状态数据；其中，收集综合能源供应站油罐历史的运行状态数据为正常无泄漏的平稳状态下的运行数据，包括液位仪系统中的多组油高H、温度T、读取时间t和站点交易信息系统中的罐内油量V，采集的当前的运行状态数据包含当前时刻的油高、温度和罐内油量；2将连续Nq个实时的运行状态数据组成查询样本集，并根据查询样本在历史的运行状态数据中选取Ntrain个时间相近和油量相近的相似样本组成训练集构建获得即时学习的油高软测量模型；所述油高软测量模型具体表示为：Hq＝fTq，Hj，Tj，Vq-Vj式中，下标q表示查询样本的索引，j表示为用于预测的对应历史时刻相似样本的索引，Hq、Tq、Vq分别为查询样本的油高、温度和油量，Hj、Tj、Vj分别为相似样本的油高、温度、油量；3在历史的运行状态数据中根据每个查询样本分别选取一组与查询样本间隔一段时间并且连续Ntest个的样本作为测试样本与对应查询样本一同输入所述油高软测量模型预测获得每个查询样本的Ntest个预测油高上标i表示查询样本对应测试样本的索引，将Ntest个预测油高进行指数加权平均的后处理融合作为最终每个查询样本的预测油高4根据每个查询样本进行自适应阈值更新，具体包括以下子步骤：4.1由所述油高软测量模型得到初始的训练集预测残差，残差为预测油高和实际油高的差值，残差向量可以表示为： Ntrain＝Nv+Nt其中，Nv表示根据阈值选取的与查询样本油量相近的相似样本的数量；Nt表示选取的查询样本之前的连续的样本数量作为时间相近的相似样本；对残差向量进行核密度估计，取置信度为0.95的下分位点作为初始阈值Thre0；4.2由所述油高软测量模型得到每个查询样本残差和对应的测试集残差，其中，测试集残差表示为： 其中，查询样本的残差向量表示为：4.3采用以下更新策略逐一更新每个查询样本的阈值：若查询样本k的残差大于阈值Threk-1，则不更新阈值，令Threk＝Threk-1，并输出报警；Threk表示第k个样本对应的阈值，Thre0为初始阈值；若查询样本k的残差小于等于阈值Threk-1，则更新阈值：将与Etrain组成新的残差向量重新估计残差分布的概率密度，取置信度为0.95的下分位点作为更新后的阈值Threk。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。