買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中用科技有限公司申請的專利一種基于無監督學習算法的冷機機組能耗優化方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115840355B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211209141.5，技術領域涉及：G05B13/04；該發明授權一種基于無監督學習算法的冷機機組能耗優化方法是由江大白;汪剛;賈緯民設計研發完成，并于2022-09-30向國家知識產權局提交的專利申請。

本一種基于無監督學習算法的冷機機組能耗優化方法在說明書摘要公布了：本發明公開了一種基于無監督學習算法的冷機機組能耗優化方法，包括：采集冷機機組中設備的運行與能耗參數；利用所述冷機機組中數據使用無監督學習中心進行實時設備能耗特征提取，所述無監督學習中心進行實時設備能耗特征提取包括了冷機機組運行狀態信息；利用所述無監督學習中心進行實時設備能耗優化效率特征提取；計算所述無監督學習中心進行實時設備能耗特征提取的優化效率是否大于預設的能耗閾值；當計算無監督學習中心進行實時設備能耗特征提取的優化效率大于預設的能耗閾值時，將所使用的無監督學習中心進行實時設備能耗特征提取分別計算到各冷機機組模塊數據控制平臺，本發明可以提高計算的準確性和對冷機機組數據的優化效率。

本發明授權一種基于無監督學習算法的冷機機組能耗優化方法在權利要求書中公布了：1.一種基于無監督學習算法的冷機機組能耗優化方法，其特征在于，包括： 采集冷機機組中設備的運行與能耗參數； 利用所述冷機機組中設備的運行與能耗參數使用無監督學習中心進行實時設備能耗特征提取，所述無監督學習中心進行實時設備能耗特征提取包括了冷機機組運行狀態信息； 利用所述無監督學習中心進行實時設備能耗優化效率特征提取； 計算所述無監督學習中心進行實時設備能耗特征提取的優化效率是否大于預設的能耗閾值； 當計算無監督學習中心進行實時設備能耗特征提取的優化效率大于預設的能耗閾值時，將所使用的無監督學習中心進行實時設備能耗特征提取分別計算到各冷機機組模塊數據控制平臺； 當計算所述無監督學習中心進行實時設備能耗特征提取的優化效率不大于預設的能耗閾值時，重新進行所述冷機機組中設備的運行與能耗參數計算、使用無監督學習中心進行實時設備能耗特征提取以及計算優化效率； 利用所述無監督學習中心進行實時設備能耗優化效率特征提取的步驟包括： 計算各冷機機組模塊數據控制平臺的無監督學習中心進行實時設備能耗特征提取的優化效率； 將所述各冷機機組模塊數據控制平臺的無監督學習中心進行實時設備能耗特征提取的優化效率及優化效率差異的算法作為所述無監督學習中心進行實時設備能耗特征提取的優化效率； 在將所使用的無監督學習中心進行實時設備能耗特征提取分別計算到各冷機機組模塊數據控制平臺的步驟之前，計算無監督學習中心進行實時設備能耗特征提取中所包括的各冷機機組模塊異常數據的相應優化效率與初始信息，所述初始信息為相應冷機機組模塊異常數據的預定出現頻率； 在進行了預設次數的無監督學習中心進行實時設備能耗特征提取的計算后，計算各冷機機組模塊異常數據的相應再次信息，所述再次信息為在所述預設次數的無監督學習中心進行實時設備能耗特征提取的計算中相應冷機機組模塊異常數據的出現概率； 利用所述優化效率、初始信息與所述再次信息，計算該冷機機組模塊異常數據的新優化效率； 其中所述無監督學習中心進行實時設備能耗特征提取包括所述各冷機機組模塊異常數據，所述無監督學習中心進行實時設備能耗特征提取的優化效率利用各冷機機組模塊異常數據的優化效率而計算。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中用科技有限公司，其通訊地址為：230000 安徽省合肥市蜀山區宿松路3963號智能裝備科技園E棟12層；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。