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！

龙图腾网获悉上海晨洋新材料有限公司申请的专利基于机器学习的分级系统能耗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：CN121052443B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511189056.0，技术领域涉及：G06Q10/04；该发明授权基于机器学习的分级系统能耗预测方法及系统是由王亮设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本基于机器学习的分级系统能耗预测方法及系统在说明书摘要公布了：本发明公开了基于机器学习的分级系统能耗预测方法及系统，具体涉及加工能耗预测领域，用于解决粉体加工产线分级能耗预测偏差问题，是通过构建多源时序账本把干燥至分级的脉络拉成一条可追踪的线，扰动关联与关键事件把能耗起伏的来路与去向交代清楚，联合预测不再停在静态经验，而是顺着传播路径与筛面作功去刻画真实负载；穿透时差密度与堆积释放作功量综合得到能耗冲击度，经营侧据此生成费用影响标签与时隙优先级，订单能耗分层贴近现场节律，预测与核算更为一致；在线校核以小步修订对齐偏差，短时波动收敛，长周期成本曲线趋于平顺，同时留存明确的证据链，复核有据；在批次与节拍交替下依然保持稳定响应，减少因误判引发的结算偏差。

本发明授权基于机器学习的分级系统能耗预测方法及系统在权利要求书中公布了：1.基于机器学习的分级系统能耗预测方法，其特征在于，包括步骤： S1：对齐时间轴与批次标注，汇集加工各环节的物料性质、控制指令与计量电能，生成多源时序账本； S2：依据先后与位置建立扰动关联，提取含湿波动、粒度迁移与节拍变化的传导路径，形成指向分级能耗的关键事件序列，并标注到达时刻与来源； S3：以关键事件序列构建订单级特征序列，输入时序学习模型，输出分级短时能耗与单位产出能耗的联合预测，并生成影响贡献的解释结果； S4：在生成经营侧输出前，针对当前批次的关键事件片段计算穿透时差密度与堆积释放作功量，经序比学习判别得到能耗冲击度，将联合预测与解释结果连同能耗冲击度映射至电价曲线与产能约束，生成费用影响标签、时隙优先级与订单能耗分层； S5：监测实际能耗与联合预测的偏差，按偏差方向小步迭代修订时序学习模型与扰动关联，并更新多源时序账本中的标签与分层结果，于下一批次生效； 步骤S4包括从关键事件序列选取当前批次的关键事件片段，计算穿透时差密度和堆积释放作功量，将两者经序比学习判别，输入穿透时差密度与堆积释放作功量，比较相对顺序，输出能耗冲击度，将联合预测、分级短时能耗预测值、单位产出能耗预测值、解释结果及能耗冲击度映射至电价曲线与产能约束，通过乘以电价因子生成费用影响标签，根据产能约束排序时隙生成时隙优先级，基于能耗冲击度分层订单生成订单能耗分层； 穿透时差密度获取逻辑：通过标记上料节拍批次序列流量轨迹上升沿事件与分级振幅批次序列下游细粒浓度轨迹跃迁事件，建立时差列，取倒数生成传播速率序列，统计超过物理下界阈限的速率事件强度，除以观察窗口时长； 堆积释放作功量获取逻辑：通过定位分级振幅批次序列振动加速度与计量电能批次序列有功功率相位偏移的释放区间序列，对超额功率积分累计，除以上料节拍批次序列质量流量后求和； 步骤S5包括从计量电能批次序列提取当前批次分级单元实际能耗值，与分级短时能耗预测值和单位产出能耗预测值比较计算偏差，确定偏差方向，按偏差方向小步迭代调整长短期记忆网络的转换矩阵与偏置参数，修订扰动关联调整关键事件序列中含湿波动事件、粒度迁移事件、节拍变化事件的传导路径容差范围，更新多源时序账本中费用影响标签、时隙优先级、订单能耗分层结果，基于修订后的预测值乘以电价因子重新计算标签，根据更新能耗冲击度重新排序时隙和分层订单，存储修订结果于下一批次生效。

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晨洋新材料有限公司，其通讯地址为：200000 上海市浦东新区自由贸易试验区临港新片区老芦公路536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。