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！

龙图腾网获悉深圳市城市交通规划设计研究中心股份有限公司申请的专利站城融合立体网络空间的能效评估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：CN120725544B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511231741.5，技术领域涉及：G06Q10/0639；该发明授权站城融合立体网络空间的能效评估方法是由郭路;庄立坚;王森;任邦克;王东设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本站城融合立体网络空间的能效评估方法在说明书摘要公布了：本发明公开了站城融合立体网络空间的能效评估方法，属于基于动态建模的能效评估技术领域。解决了现有技术中传统的基于空调运行机理的能效评估方法因未考虑不同空间能效影响因素对空调整体能效的影响而导致的评估结果准度较低的问题；本发明建立站城融合立体网络空间信息模型，得到空间信息；获取空调能效相关的动态监测数据；配准空间信息与动态监测数据，得到配准后的空调能效影响因素数据和空调能耗计算指标数据；采用数据集和建立的损失函数进行迭代训练，得到训练后的基于KAN模型的站城融合空调能效运行动态评估模型；通过分级规定，实现基于能效等级的空调能效评估。本发明减少了能效计算耗时，可以应用于站城融合空间下的能效评估。

本发明授权站城融合立体网络空间的能效评估方法在权利要求书中公布了：1.站城融合立体网络空间的能效评估方法，其特征在于，包括以下步骤： S1.基于空调用能空间区域，建立站城融合立体网络空间信息模型，得到空间信息； S2.根据站城融合立体网络空间信息模型和空调用能空间区域布设的采集系统，获取空调能效相关的动态监测数据； S3.配准空间信息与动态监测数据，确定空间信息与动态监测数据的关系，得到配准后的空调能效影响因素数据和空调能耗计算指标数据； S4.通过配准后的空调能效影响因素数据和空调能耗计算指标数据构建数据集，采用数据集和建立的损失函数，对基于KAN模型的深度学习神经网络结构进行迭代训练，得到训练后的基于KAN模型的站城融合空调能效运行动态评估模型； S5.通过训练后的基于KAN模型的站城融合空调能效运行动态评估模型，输出空调能耗、制冷量及空间影响权重，通过分级规定，判断得到中央空调整体能效，实现基于能效等级的空调能效评估； 所述S4中，包括以下步骤： S41.针对多源数据的时空异质性问题，构建基于基准网格的层次化时空编码器，采用时间轴归一化和空间插值方法，将不同采样频率和空间分辨率的检测数据统一到共同时空坐标系，构建输入数据集和输出数据集，其分别包含训练数据集和测试数据集； 所述S41中，采用配准后的空调能效影响因素数据构建输入数据集； 采用配准后的空调能耗计算指标数据构建输出数据集； S42.初始化模型参数，即依据输入变量的数量、输出变量的数量的需求，定义基于KAN模型的深度学习神经网络结构，其包括输入神经元的数量、输出神经元的数量、神经网络层数量、中间层的神经元数量； S43.依据能耗和制冷量建立基于KAN模型的深度学习神经网络结构的损失函数； 损失函数表示为： ； 其中，为能耗权重，为能耗损失值，为制冷量权重，为制冷量损失值； S44.根据损失函数，使用二阶优化方法中的拟牛顿法，定义迭代优化函数； S45.将输入数据集输入到基于KAN模型的深度学习神经网络结构进行迭代训练，经评估得到训练后的基于KAN模型的站城融合空调能效运行动态评估模型； 所述S45中，采用输入数据集输入到基于KAN模型的深度学习神经网络结构，依据迭代优化函数对基于KAN模型的深度学习神经网络结构进行自适应迭代训练，使损失值到达低于容许值，设定容许值为0.01，达到容许值后自动停止训练，并输出基于KAN模型的站城融合空调能效运行动态评估模型； 将测试集数据输入到训练得到的基于KAN模型的站城融合空调能效运行动态评估模型，对准确率进行评估，当评估进度达到99%时，确认基于KAN模型的站城融合空调能效运行动态评估模型训练成功。

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深圳市城市交通规划设计研究中心股份有限公司，其通讯地址为：518131 广东省深圳市龙华区民治街道北站社区龙华设计产业园总部大厦1栋1101；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。