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！

龙图腾网获悉中国长江电力股份有限公司申请的专利一种基于并行化的循环网络的设备状态预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：CN120277847B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510328575.4，技术领域涉及：G06F30/18；该发明授权一种基于并行化的循环网络的设备状态预测方法是由田源;徐波;任文锋;郎彦东;武永恒;黄正海;魏辉强;杨靖宇;田国栋;陈佳;张晶设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种基于并行化的循环网络的设备状态预测方法在说明书摘要公布了：一种基于并行化的循环网络的设备状态预测方法，步骤为：S1、对GRU网络架构进行改进；S2：用GELU前馈网络提取输入时序深层特征模式；S3：加噪声模块，实现并行训练与顺序预测一致；S4：用RMSNorm提升模型效率与稳定性；S5：采用因果卷积捕捉长周期因果时序信息；S6：用残差连接加深、堆叠组合各模块；S7：用ADAMW优化器，叠加动力学和预测损失进行优化；S8：输入历史和未来控制量信息，输出差分历史与未来预测，算均方误差提升性能；S9：根据预测结果进行设备状态预警。相比传统LSTM模型，该方法预测误差降低，单序列推理时间大幅缩短，为工业设备状态的精准、高效预测提供了有力解决方案。

本发明授权一种基于并行化的循环网络的设备状态预测方法在权利要求书中公布了：1.一种基于并行化的循环网络的设备状态预测方法，其特征在于包括以下步骤： S1、对 GRU 网络架构进行改进； S2：用 GELU 前馈网络提取输入时序深层特征模式； S3：加噪声模块，实现并行训练与顺序预测一致； S4：用 RMSNorm 提升模型效率与稳定性； S5：采用因果卷积捕捉长周期因果时序信息； S6：用残差连接加深、堆叠组合各模块；S7：用 ADAMW 优化器，叠加动力学和预测损失进行优化； S8：输入历史和未来控制量信息，输出差分历史与未来预测，算均方误差提升性能； S9：根据预测结果进行设备状态预警； S1的子步骤为： S1.1、定义在时间步时循环单元的隐藏状态，其计算公式为： ； 式中，是更新门，用于控制前一时刻隐藏状态和当前候选隐藏状态的组合比例，是逐元素乘法运算符，是在时间步时循环单元的隐藏状态，是当前时间步的候选隐藏状态； 其中，，其中是逻辑 sigmoid 函数，将输入值映射到到之间，是对输入进行线性变换，输出维度为，为时间步的输入数据；； S1.2：利用Hesinsen Associative Scan在log space进行累计扫描以实现高速并行训练和推理； S1.2子步骤为： S1.2.1：利用Heinsen Associative Scan Log 模块实现递归式累积操作，处理含对数运算的序列数据； S1.2.2：数学公式解析： 计算 ：对数系数数组所有元素对数值的累加和，计算公式为： ； 若已是对数形式，则为；其中是对数系数数组，是对数系数数组的元素个数，是系数数组，当不是对数形式时，； 计算对数加权和 ：结合初始值和对数值计算得到的对数加权和，公式为： ； 是初始值，为常数或初始状态，是通过的指数平移求和项，即，是对数值数组，是对数值数组的元素个数； S1.2.3：确认变量一致性、维度问题、明确初始值； S1.2.4：最终输出公式： 公式1：； ：最终的对数输出，由第一步中对数系数的累加和与第二步中通过指数平移和求和操作得到的对数加权和两部分组成； 公式2：； ：将对数域最终结果取指数还原得到的原始值，将计算保持在数值稳定的对数域中，最终输出实际数值； S9子步骤： S9.1：获取机组状态、有功功率、出口电流、空冷器冷却水总管进出口温度、定子绕组温度； S9.2：对数据进行指定方法的预处理； S9.3：对目标测点的数据进行短时、长时数据预测，并进行指标比较。

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中国长江电力股份有限公司，其通讯地址为：430014 湖北省武汉市江岸区三阳路88号三阳中心；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”。