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！

龙图腾网获悉中国建筑第八工程局有限公司申请的专利一种多机制的供冷负荷预测方法及系统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：CN119829940B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202411883209.7，技术领域涉及：G06F18/20；该发明授权一种多机制的供冷负荷预测方法及系统是由平奕炜;杨贺丞;白洁;顾远辉设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种多机制的供冷负荷预测方法及系统在说明书摘要公布了：本发明公开了一种多机制的供冷负荷预测方法及系统，其建立了包含子模型配合预测体系且基于负荷物理构成的机器学习模型以及可以自定义参数并自适应匹配算法的历史数据匹配模型构建混合模型体系，并通过自动化择优运行自适应调节模型切换用于实际预测，针对机器学习模型与历史数据匹配模型还分别部署了模型自完善机制，以确保模型在运行过程中有自我完善的特性，将确保两种模型不断优化且始终使用效果更优的模型，显著提高场景覆盖率和数据积累后模型的能力适应性。

本发明授权一种多机制的供冷负荷预测方法及系统在权利要求书中公布了：1.一种多机制的供冷负荷预测方法，其特征在于，所述多机制的供冷负荷预测方法包括如下步骤： S1：收集数据并依照时间顺序构建数据库 该步骤通过收集项目以及设备的原始数据并将所收集的数据转换为结构化条目库后存储至非关系型数据库； S2：根据数据规模与特点选择预测模型 该步骤通过根据S1中所收集的参数类型与数量规模，配合物理模型进行参数完整性校验以及进行数据规模验证，根据参数完整性以及数据规模选择构建不同的预测模型； 若参数完整则进行数据规模验证；若参数不完整，则考虑缺乏的参数是否存在可替代参数，若存在可替代参数，可用于替代原有参数并加入到后续的模型构建过程；当参数完整或存在可替代参数时，进行数据规模的验证； 若数据规模满足机器学习预测模型训练要求，则可采用机器学习预测模型与历史数据匹配模型组成混合体系进行供冷负荷预测，若参数不完整且不存在可替代参数或数据规模较小时，采用历史数据匹配模型； S3：预测模型构建 该步骤根据S2中所选择的预测模型分别构建机器学习预测模型以及历史数据匹配模型； S4：预测模型验证与调试 该步骤用于对S3中所构建的预测模型进行模拟预测并进行调试； S5：预测模型自完善机制 该步骤用于通过在数据集中新增有效数据来构建新数据集并验证新模型与原模型的预测效果，保留更好效果的模型； S6：预测模型自动化择优运行 该步骤用于在S3中所构建的两个模型同时运行时，比较两个模型所预测负荷与实际负荷的均方根误差，并根据误差进行择优运行。

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建筑第八工程局有限公司，其通讯地址为：200122 上海市浦东新区中国(上海)自由贸易试验区世纪大道1568号27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。