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！

龙图腾网获悉山东省热电设计院申请的专利一种热电厂数据分析诊断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：CN120804986B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510938150.5，技术领域涉及：G06F18/2433；该发明授权一种热电厂数据分析诊断方法是由张利霞;刘博;王仁军;王兴华设计研发完成，并于2025-07-08向国家知识产权局提交的专利申请。

本一种热电厂数据分析诊断方法在说明书摘要公布了：本发明属于工业数据分析与故障诊断技术领域，尤其涉及一种热电厂数据分析诊断方法。通过数据采集获取锅炉热力参数等实时运行数据，按采集周期划分数据集，动态调整周期并计算工况差异度以构建梯度训练集，经改进经验模态分解与小波阈值去噪完成数据增强预处理，构建含时序注意力机制的LSTM‑CNN混合模型，利用改进粒子群算法优化参数后进行实时检测与分析。该方法解决了传统人工巡检及统计方法对非线性、非平稳数据处理不足的问题，可精准捕捉设备瞬态异常与多参数耦合故障，提升热电厂运行状态诊断的准确性与实时性，保障能源效率与生产安全。

本发明授权一种热电厂数据分析诊断方法在权利要求书中公布了：1.一种热电厂数据分析诊断方法，其特征在于，包括以下步骤： S1、数据采集：获取热电厂生产过程中的实时运行数据，包括锅炉热力参数、汽轮机振动信号、发电机电气参数及管网压力流量数据； S2、数据集划分：根据采集周期对数据集进行划分，具体的实现步骤为： 首先预设采集周期T，首轮用前3T数据做初始训练集，当每完成一次模型训练后，训练集自动累加新采集的一个周期数据； 对每个新加入的数据集的周期数据，计算工况差异度，基于工况差异度判断是否为高价值数据周期； 构建梯度训练集，在常规模型训练时，用全量周期累加的训练集作为基础训练，当检测到高价值数据加入时，额外出发高价值强化训练，用高价值数据周期结合最近的三个周期数据组成临时小训练集，对模型做出一次快速微调； 最后所述采集周期是采用基于数据波动等级动态调整，实现训练集周期自适应更新频率； S3、数据增强预处理：对采集的用于训练的数据进行处理得到特征增强的数据； S4、混合神经网络模型构建：构建包含时序注意力机制的LSTM-CNN混合模型，包括输入层，动态时序编码层，空间特征融合层，注意力权重分配层，以及输出层； 输入层：用于接收特征增强后的数据； 动态时序编码层：用于通过双向LSTM提取时间序列长短期依赖特征； 空间特征融合层：用于利用CNN卷积核提取设备空间布局关联特征； 注意力权重分配层：用于构建权重矩阵，对关键参数特征动态加权； 输出层：用于将注意力权重分配层输出的加权特征向量转化为可用于异常检测的结构化结果； S5、模型训练：将训练集输入到混合神经网络模型中，通过改进粒子群算法对于模型参数进行调整，获取训练后的模型； S6、实时检测：将用于模型预测的周期中的实时数据进行模型预测，获得模型预测的结果； S7、实时分析：对实时检测中模型预测的结果进行分析，用于评估当前热电厂的运行状态； 所述步骤S3数据增强预处理：对采集的用于训练的数据进行处理得到特征增强的数据的具体实现为： 首先对采集用于的训练数据进行多尺度分解，采用改进经验模态分解，构建改进本征模态基函数满足：，其中代表为分解尺度因子，k为时间平移因子，m为模态分支索引，代表传统的经验模态基函数，代表为引入频域约束的改进基函数，为基函数融合系数，通过最小化模态混叠指数自适应调整； 经过改进经验模态分解后，得到不同尺寸-分支的模态分量，计算各分量与原始数据的互相关系数，其中为协方差函数，代表标准差函数； 对筛选后的模态分量，结合小波阈值去噪，构建自适应噪声阈值，然后对小波系数进行软阈值处理，其中，为处理前的系数，代表为处理后的系数，通过逆小波变换重构去噪后的模态分量； 对去噪后的模态分量，通过自适应模态分量筛选算法抑制模态混叠，计算各模态的能量分布熵，其中，为去噪后模态的能量概率分布，X代表为数据长度，设定能量分布熵阈值，保留能量分布熵小于阈值的非混叠模态，得到筛选后的模态分量； 采用与分解时相同的改进经验模态基函数，对筛选后模态分量进行重构，得到特征增强的数据，计算方式为：。

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山东省热电设计院，其通讯地址为：250100 山东省济南市历城区二环东路3966号(东环国际广场B座17层)；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。