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！

龙图腾网获悉东北大学申请的专利一种面向能效的炼钢厂数据流实时预测系统及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：CN119624208B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202411564171.7，技术领域涉及：G06Q10/0639；该发明授权一种面向能效的炼钢厂数据流实时预测系统及方法是由李凤云;窦泽慧;毕远国;郭威设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种面向能效的炼钢厂数据流实时预测系统及方法在说明书摘要公布了：本发明的面向能效的炼钢厂数据流实时预测系统及方法，系统包括：数据采集模块、数据处理模块、数据存储模块、能耗可视化模块、能效计算模块和能效预测模块。本发明基于预定义的炼钢流程动态展示各阶段、各设备的能耗数据流，实时监控和仿真炼钢厂的能耗数据流，并集成先进的机器学习和数据分析技术进行综合统计分析，实现了对炼钢厂能效的实时计算和未来预测，解决了现有技术中能效管理不全面、预测模型精度低的问题。该系统能够帮助企业降低能源消耗、提高生产效率，为工业生产的成本智能化管控提供了新的技术路径。

本发明授权一种面向能效的炼钢厂数据流实时预测系统及方法在权利要求书中公布了：1.一种面向能效的炼钢厂数据流实时预测系统，其特征在于，包括：数据采集模块、数据处理模块、数据存储模块、能耗可视化模块、能效计算模块和能效预测模块； 所述数据采集模块用于采集炼钢流程中各边端设备上的能源资源物质的能耗数据； 所述数据处理模块分别与数据采集模块和数据存储模块连接，用于对从边端设备上采集的能耗数据进行预处理； 所述数据存储模块用于将采集的一段时间内的经预处理后的能耗数据存储到时序数据库中； 所述能耗可视化模块用于将预定义的炼钢流程中各阶段、各设备上的实时能耗数据流进行可视化显示，并进行能耗数据汇总和统计分析可视化； 所述能效计算模块用于从数据存储模块中获取一段时间内的能耗数据，依据能效的计算公式计算这段时间内的炼钢能效； 所述能效预测模块用于构建基于改进粒子群优化的多核正则化极限学习机预测模型，将一段时间内的能耗数据和炼钢能效输入预测模型中，预测炼钢厂未来的能效趋势，具体过程为： 步骤6.1：将混合高斯核函数和二阶多项式核函数引入正则化极限学习机，获得多核正则化极限学习机模型； 混合高斯核函数和二阶多项式核函数，如下式： 其中，C1和C2分别为高斯核函数和二阶多项式核函数的权重；满足C1+C2＝1，为高斯核函数，σ为核函数带宽，axixj+c2为二阶多项式核函数，a为控制向量内积的缩放因子，c为控制模型在特征空间中平移的偏置项；N个样本xi,yi，i＝1,2,3...,N，xi为能耗数据，yi为炼钢能效数据，即xi对应的样本标签； 将混合核函数作为正则化极限学习机核函数，得到核矩阵如下式： 其中，H＝[h1xi,h2xi,...,hLxi]为隐藏层输出矩阵，h1xi为隐藏层第一个神经元的输出，L为隐藏层节点数； 将核矩阵引入到正则化极限学习机中，获得多核正则化极限学习机模型，该多核正则化极限学习机模型的输出权值矩阵如下式： 其中，C为正则化系数，Y＝[y1,...,yN]，当N≥L时，I∈RN×N为单位阵； 隐藏层输出与输出权值矩阵相乘，得到多核正则化极限学习机模型的输出，如下式： 步骤6.2：确定粒子并初始化参数，将多核正则化极限学习机模型的隐藏层权重w和偏置b以及参数σ、C1、a、c设为粒子，初始化粒子种群大小M、最大迭代次数kmax和搜索空间维度D，由惯性权重优化方案得到初始惯性权重ω，其优化公式如下： 其中，k为迭代次数，N0,1生成服从正态分布的随机数，ωmin为最小惯性权重，ωmax为最大惯性权重； 由学习因子优化方案初始化个体学习因子c1和社会学习因子c2，其优化公式如下： c1＝0.7-1.61×cosπω c2＝2.2-c1 步骤6.3：初始化粒子速度和位置，随机生成[0,1]内的D维向量作为粒子的位置，第i个粒子的速度和第i个粒子的位置，分别如下式： Vi＝[Vi,1,Vi,2,...,Vi,D]T Xi＝[Xi，1,Xi，2,...,Xi,D]T 然后，运用混沌映射方案优化初始化的所有粒子的位置Xi； 步骤6.4：将能耗数据和炼钢能效数据构成数据集，并划分为训练集和测试集； 步骤6.5：将训练集输入到多核正则化极限学习机模型，训练多核正则化极限学习机模型； 步骤6.6：计算适应度并确定个体极值和全局最优解，粒子初始位置作为个体极值pbest,i，将均方根误差作为适应度函数，基于多核正则化极限学习机模型计算所有粒子的适应度值，并选择所有粒子中适应度值最高的粒子位置作为初始全局最优解gbest，个体极值和全局最优解的表达式如下： pbest,i＝[pi1,pi2,...,piD]T gbest＝[gi1,gi2,...,giD]T 步骤6.7：迭代求解全局最优解，对所有粒子执行迭代寻优操作，得到全局最优解； 步骤6.8：获得最优粒子值，由迭代获得所有粒子最优值，即求得多核正则化极限学习机模型的隐藏层权重和偏置以及参数σ、C1、a、c的最优值； 步骤6.9：将测试集输入到多核正则化极限学习机模型中，测试模型，得到预测结果。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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”。

以上内容由龙图腾AI智能生成。