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！

龙图腾网获悉上海外高桥造船有限公司;上海外高桥造船海洋工程设计有限公司申请的专利总装建造生产环节能耗动态监测与节能降碳调控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：CN120911705B 。

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：202511438173.6，技术领域涉及：G06Q10/04；该发明授权总装建造生产环节能耗动态监测与节能降碳调控方法是由吉永军;袁轶;王泽鑫;宋杨;姚鹏飞;王伯华设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本总装建造生产环节能耗动态监测与节能降碳调控方法在说明书摘要公布了：本发明提出了一种总装建造生产环节能耗动态监测与节能降碳调控方法，包括：S1，采集工业生产周期中各工序与能耗相关的数据；S2，构建能耗预测模型，所述能耗预测模型包括机械动力能耗预测模型和热过程改性能耗预测模型：S3，将步骤S1采集的数据输入到步骤S2构建的能耗预测模型中，得到相关的能耗预测数据；S4，将能耗预测数据转换为碳排放量，并基于能源类型的碳强度系数计算，得到总碳排放量；S5，将总碳排放量输入多目标遗传算法生成帕累托最优解集，得到能耗和碳排放的最佳组合。本发明通过多目标优化算法统筹能耗成本、碳排放强度和生产效率，实现设备协同与动态工况下的全局最优决策，有效适应多品种小批量生产的复杂需求。

本发明授权总装建造生产环节能耗动态监测与节能降碳调控方法在权利要求书中公布了：1.一种总装建造生产环节能耗动态监测与节能降碳调控方法，通过融合数字孪生技术与物联网监测，构建总装建造全流程的能耗-碳排动态模型，结合实时数据反馈与多目标优化算法，实现能耗与碳排放的双重精准调控，其特征在于，包括以下步骤： S1，采集工业生产周期中各工序与能耗相关的数据； S2，构建能耗预测模型，所述能耗预测模型包括机械动力能耗预测模型和热过程改性能耗预测模型，具体的： 基于总装工艺卡构建数字孪生模型，模拟各工序的能耗特征，预测初始能耗值；通过三维建模技术将总装车间物理实体转化为数字孪生体，集成物联网传感器实时采集的三类数据，所述三类数据包括：设备运行参数、环境参数和工艺参数；构建基于有限元分析的动态能耗仿真引擎； 数字孪生模型与步骤S1的数据采集系统通过OPCUA协议实时交互，传感器采样频率达1kHz确保动态响应，为步骤S2的能耗预测模型提供毫秒级时序数据底座； 所述机械动力能耗预测模型用于计算装配过程中驱动设备的机械功消耗，采用时间切片算法分解工序设备的功率构成，通过状态机模型实时判断设备激活状态，结合设备出厂能效曲线与实时效率衰减系数，实现时间维度上的能耗累积计算； 模型输出的分工序能耗数据直接作为步骤S4碳排量核算的基础数据源，同时通过反馈通道修正步骤S1的传感器采样权重，典型场景下工序级节能潜力分析精度提升；通过串联电机效率、工艺匹配效率及老化因子，构建设备全生命周期能效评估模型；计算结果一方面用于修正步骤S2的机械动力能耗预测值，另一方面作为步骤S5多目标优化算法的设备健康度约束条件，指导设备维护周期优化，典型场景下可使设备综合效率提升，同时延长维护间隔； 所述热过程改性能耗预测模型采用改进的焓变模型，计算焊接、涂装烘干加热环节的有效能耗：基于热力学焓变理论，融合红外温度传感器采集的显热传递数据与辐射热损计算模型，建立温度-能耗动态响应模型；与步骤S1的物联网系统中的红外热像仪实时交互，实时捕捉焊接电弧热损失、涂装烘干室温度场分布动态特征，为步骤S3的能耗预测提供热过程专项修正参数；通过物料比热容数据库与称重传感器实时质量数据的乘积，结合红外测温仪反馈的目标温升与温度阈值修正系数计算理论显热需求量：输出值一方面作为步骤S2热过程改性能耗模型的核心参数，另一方面通过OPC服务器传递给步骤S5的优化算法，为加热设备功率调节提供理论基准值；基于斯特藩-玻尔兹曼定律，通过红外光谱仪实时采集设备表面氧化层厚度计算综合发射率，结合热成像仪获取的有效辐射面积与温度场分布，采用有限差分法计算不同工艺阶段的辐射散热损失：计算结果一方面修正步骤S2热过程改性能耗模型的辐射热损参数，另一方面通过数据总线传递给步骤S4的碳排量核算模型，为加热设备保温层优化与工艺参数调整提供量化依据； S3，将步骤S1采集的数据输入到步骤S2构建的能耗预测模型中，得到相关的能耗预测数据； S4，将能耗预测数据转换为碳排放量，并基于能源类型的碳强度系数计算，得到总碳排放量； S5，将总碳排放量输入多目标遗传算法生成帕累托最优解集，得到能耗和碳排放的最佳组合，所述将总碳排放量输入多目标遗传算法生成帕累托最优解集的表达式为： ； 为取最小值符号； 表示能耗目标的权重系数； 表示总能耗； 表示历史最大能耗； 表示碳排放目标的权重系数； 表示总碳排放量； 历史最大碳排放量； s.t.为约束条件符号； 表示生产周期时间； 允许的最大生产周期时间； 产品质量指标； 允许的最小产品质量指标； 采用NSGA-II算法构建双目标优化框架，以步骤S2输出的总能耗和步骤S4核算的总碳排放量为优化目标，通过快速非支配排序与拥挤度距离维护种群多样性，融合三类约束条件：生产周期≤T_max来自步骤S1的工艺卡数据，产品合格率≥99.5%来自质量检测系统，设备健康度≥0.85来自步骤S2的老化因子模型；算法迭代过程中实时调用步骤S1的物联网实时数据：设备负载率和物料属性动态调整适应度函数，交叉概率和变异概率根据步骤S3的能耗预测偏差自适应调整，在保证产品合格率的前提下，实现能耗与碳排放的帕累托最优平衡，生成的解集直接驱动步骤S5的动态调控策略； 通过动态权重系数调节能耗与碳排放的优化优先级，权重系数由模糊逻辑控制器根据外部因素实时修正，结合步骤S1的生产周期上限：T≤T_max和步骤S2的设备效率约束：η≥η_min构建优化函数；目标函数的能耗项采用步骤S2的预测能耗数据归一化处理，碳排项采用步骤S4的核算数据归一化处理，生成的帕累托前沿通过可视化界面展示，支持决策者根据实时工况选择调控策略，并将优选方案参数传递给步骤S5的自适应PID控制器。

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上海外高桥造船有限公司;上海外高桥造船海洋工程设计有限公司，其通讯地址为：200137 上海市浦东新区洲海路3001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。