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！

龙图腾网恭喜湖北能源集团股份有限公司;湖北能源集团襄阳宜城发电有限公司申请的专利基于知识图谱与机理模型的火力发电设备健康管理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：CN119761781B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510261794.5，技术领域涉及：G06Q10/0631；该发明授权基于知识图谱与机理模型的火力发电设备健康管理方法是由张马将;廖小军;李沄灿;向昀龙;王赞辉;蔡名扬设计研发完成，并于2025-03-06向国家知识产权局提交的专利申请。

本基于知识图谱与机理模型的火力发电设备健康管理方法在说明书摘要公布了：本发明提供一种基于知识图谱与机理模型的火力发电设备健康管理方法，实时或定期地收集设备运行数据；处理和分析数据，识别设备的健康状态和潜在问题；使用局部递归全局前馈神经网络等模型，基于历史数据训练模型以预测未来故障；根据预测结果，安排定期检查和必要的部件更换，当检测到异常时，运用小波提升算法分析残差信号，提取故障特征，结合历史数据进行比对；通过分析监测数据，结合知识图谱工具，识别和定位设备的故障，准确判断故障的类型和严重程度；结合现有成熟的管理办法和运行规程，开发决策支持系统；构建故障运维知识图谱框架，实现知识的可视化管理和基于知识图谱的问答系统。减少人工干预、构建高效节能、安全可靠的人性化电厂。

本发明授权基于知识图谱与机理模型的火力发电设备健康管理方法在权利要求书中公布了：1.一种基于知识图谱与机理模型的火力发电设备健康管理方法，其特征是：该方法包括：S1、实时或定期地收集设备运行数据；S2、处理和分析数据，识别设备的健康状态和潜在问题；S3、使用局部递归全局前馈神经网络模型，基于历史数据训练该模型以预测未来故障，步骤S3方法为：B01、LRGF神经网络由局部递归层和全局前馈层组成,局部递归层用于捕捉时间序列数据中的短期动态模式，全局前馈层用于整合长期趋势和多源数据信息；局部递归层的状态更新公式为：,其中是局部递归层在时间的状态,是激活函数，是局部递归权重矩阵，是输入权重矩阵，是偏置向量，表示在时间的输入数据；全局前馈层的输出公式为：，其中是全局前馈层在时间的输出，是全局前馈权重矩阵，是偏置向量；局部递归层的状态更新公式用于捕捉时间序列数据的短期动态，通过递归地更新状态，可以记忆过去的信息；全局前馈层的输出公式将局部递归层的状态整合起来，输出对当前时间点的预测结果；B02、训练LRGF神经网络：定义损失函数，采用均方误差损失函数；使用反向传播算法和梯度下降法更新网络参数；损失函数用于衡量网络输出与真实值之间的差异，通过反向传播算法计算梯度，然后使用梯度下降法更新网络参数；B03、在训练好的LRGF神经网络基础上，通过分析网络输出和输入数据的特征来评估设备的健康状态，定义健康指标，公式为：，其中是根据具体应用场景设计的函数，用于综合考虑网络输出和输入数据的特征；健康指标用于量化设备的健康状态；B04、利用LRGF神经网络的预测能力，结合多源数据分析，提前识别设备可能出现的故障；对于时间序列数据，可以通过预测未来几个时间点的输出值来判断是否可能出现故障；预测未来个时间点的输出为，若预测值超出了正常范围或者呈现出明显的异常趋势，则认为设备可能出现故障；同时，分析多源数据中的其他特征，包括设备的运行参数、环境因素，与LRGF神经网络的预测结果相结合，进一步提高故障预测的准确性；建立一个综合判断模型，公式为：，其中表示故障预测结果，H是健康指标，是多源数据的特征向量，是根据具体情况设计的函数；S4、根据预测结果，安排定期检查和必要的部件更换，避免非计划停机；S5、当检测到异常时，运用小波提升算法分析残差信号，提取故障特征，结合历史数据进行比对；通过分析监测数据，结合知识图谱工具，识别和定位设备的故障，准确判断故障的类型和严重程度；S6、结合现有成熟的管理办法和运行规程，开发决策支持系统；S7、构建故障运维知识图谱框架，实现知识的可视化管理和基于知识图谱的问答系统。

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湖北能源集团股份有限公司;湖北能源集团襄阳宜城发电有限公司，其通讯地址为：430000 湖北省武汉市武昌区徐东大街96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”。