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！

龙图腾网获悉国网江苏省电力有限公司镇江供电分公司;国网江苏省电力有限公司;国家电网有限公司;东南大学申请的专利基于两阶段注意力机制融合卷积神经网络和长短期记忆网络的公共建筑空调负荷分解分析方法、装置及电子设备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：CN119026291B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411126371.4，技术领域涉及：G06F30/18；该发明授权基于两阶段注意力机制融合卷积神经网络和长短期记忆网络的公共建筑空调负荷分解分析方法、装置及电子设备是由胡涵天;季晓明;张娅楠;汤文艳;王雨薇;王玉珏;吴含青;刘京易;蔡铖设计研发完成，并于2024-08-15向国家知识产权局提交的专利申请。

本基于两阶段注意力机制融合卷积神经网络和长短期记忆网络的公共建筑空调负荷分解分析方法、装置及电子设备在说明书摘要公布了：本发明基于两阶段注意力机制融合卷积神经网络和长短期记忆网络的公共建筑空调负荷分解方法涉及一种公共建筑用空调的负荷分解方法。包括如下步骤：基于聚类算法，建立空调运行日与非运行日区分模型；采用CNN卷积神经网络结合LSTM长短期记忆网络，建立非空调负荷预测模型；在非空调负荷预测模型的输入侧建立特征注意力机制，量化输入特征变量间的关联关系，动态调整输入特征权重，增强强相关特征变量的引导；在非空调负荷预测模型的输出侧建立时间注意力机制，捕获时序信息的依赖关系，动态调整隐藏状态的输出，增强关键时间步的信息表达；基于公共建筑负荷季节性运行特性，建立基于动态作差法的公共建筑空调负荷分解模型。

本发明授权基于两阶段注意力机制融合卷积神经网络和长短期记忆网络的公共建筑空调负荷分解分析方法、装置及电子设备在权利要求书中公布了：1.一种基于两阶段注意力机制融合卷积神经网络和长短期记忆网络的公共建筑用空调负荷的分解分析方法，其特征在于，包括如下步骤： 基于聚类算法，建立空调运行日与非运行日区分模型，经区分后的空调非运行日作为神经网络预测模型的训练集，空调运行日作为模型的测试集； 采用CNN卷积神经网络结合LSTM长短期记忆网络，建立非空调负荷预测模型； 在非空调负荷预测模型的输入侧建立特征注意力机制，量化输入特征变量间的关联关系，从而动态调整输入特征权重，增强强相关特征变量的引导； 在非空调负荷预测模型的输出侧建立时间注意力机制，捕获时序信息的依赖关系，以动态调整隐藏状态的输出，增强关键时间步的信息表达； 基于公共建筑空调运行日和非运行日区分结果，建立基于动态作差法的公共建筑空调负荷分解方法，即利用空调运行日关口负荷曲线与非空调负荷预测模型得到的非空调负荷曲线动态作差得到公共建筑空调负荷的方法； 所述的基于聚类算法，建立空调运行日与非运行日区分模型的方法为： 基于聚类算法，建立公共建筑用户关口负荷曲线聚类方法，区分用户空调开启日与非运行日；将用户每日关口负荷曲线输入聚类算法，设定聚类成2簇； 选用聚类算法，采用每个簇中与其它样本最为相似的实际样本作为聚类中心，改善聚类算法对噪声和异常点敏感，易陷入局部最优的缺陷； 通过聚类算法，输出分类后的两类不同曲线所对应的日期，分别代表空调运行日和非运行日；通过此方法区分空调运行日和非运行日比依据季节气温变化等经验区分空调开关日更为精确； 所述选用聚类算法的方法为： 首先，对于给定聚类数目2，随机选择2个代表对象作为初始聚类中心，计算各剩余对象与代表对象的距离并将其分配给最近的一个簇，产生相应的聚类结果； 然后，开始迭代过程，对于每一次迭代，将随机选择的一个非中心点替代原始中心点中的一个，重新计算聚类结果； 若聚类效果有所提高，保留此次替换，否则恢复原中心点；当替换对聚类效果不再有所提高，迭代停止； 用代价函数来衡量聚类结果的质量，该函数用来度量对象与中心点之间的平均相异度，具体定义如下式： 其中，p为空间中的点，即给定对象；oi为簇Ci的中心点；E为数据集中所有对象的离差平方和。

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国网江苏省电力有限公司镇江供电分公司;国网江苏省电力有限公司;国家电网有限公司;东南大学，其通讯地址为：212000 江苏省镇江市京口区电力路182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”。