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！

龙图腾网恭喜北京联物瑞达信息技术有限公司申请的专利基于温度监测的机房能耗优化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：CN119272984B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202411300148.7，技术领域涉及：G06Q10/063；该发明授权基于温度监测的机房能耗优化方法及系统是由高达;张洲;杨永福设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本基于温度监测的机房能耗优化方法及系统在说明书摘要公布了：本发明提供一种基于温度监测的机房能耗优化方法及系统，涉及能耗优化技术领域，包括实时采集机房的温度数据，连续监测各区域的温度梯度，经过融合处理，构建三维动态温度分布模型；通过深度学习算法对热点区域、气流死角及冷量浪费区域进行识别，结合机房布局和设备分布，通过轨迹回归神经网络预测冷热空气在机房内的流动轨迹和混合过程，通过自适应神经模糊推理，校正和更新预测结果，生成机房温控策略集合；以最小化能耗和最大化制冷效率为优化目标，以机房设备安全运行温度范围为约束条件，通过温度控制寻优算法，对多个参数进行联合调整，得到最优温控曲线，转化为制冷系统控制指令，实现机房的温度与能耗协同优化。

本发明授权基于温度监测的机房能耗优化方法及系统在权利要求书中公布了：1.基于温度监测的机房能耗优化方法，其特征在于，包括：通过布设在机房内部多个区域的温度传感器阵列，实时采集机房的温度数据，结合光纤分布式温度传感系统，连续监测各区域的温度梯度，将所述温度数据和所述温度梯度融合处理，构建机房内部的三维动态温度分布模型；基于所述三维动态温度分布模型，通过深度学习算法对机房的热点区域、气流死角及冷量浪费区域进行识别，结合机房布局和设备分布，通过轨迹回归神经网络预测冷热空气在机房内的流动轨迹和混合过程，通过自适应神经模糊推理，校正和更新预测结果，生成机房温控策略集合；基于所述机房温控策略集合，以最小化能耗和最大化制冷效率为优化目标，以机房设备安全运行温度范围为约束条件，通过温度控制寻优算法，对机房制冷系统的多个参数进行联合调整，迭代求解得到最优温控曲线，将最优温控曲线转化为制冷系统控制指令，实现机房的温度与能耗协同优化；通过布设在机房内部多个区域的温度传感器阵列，实时采集机房的温度数据，结合光纤分布式温度传感系统，连续监测各区域的温度梯度，将所述温度数据和所述温度梯度融合处理，构建机房内部的三维动态温度分布模型包括：获取机房内部多个区域温度传感器阵列的离散点温度数据和光纤分布式温度传感系统的连续温度梯度数据；对所述离散点温度数据和连续温度梯度数据进行时间序列分割，提取代表性的时间片段，每个时间片段包含一组离散点温度数据和相应的连续温度梯度数据，所述代表性的时间片段基于机房温度突变时间点确定；对每个时间片段中的离散点温度数据和连续温度梯度数据进行动态时间规整，通过非线性时间尺度变换和插值算法，将不同来源的时间序列映射到统一的时间基准上，获得对齐时间片段的温度数据；在每个对齐时间片段中，提取离散点温度数据和连续温度梯度数据的几何特征，包括几何关键点、骨架线和特征描述符，建立空间坐标的对应关系；通过迭代最近点算法，将空间坐标进行配准，重合几何中心并使坐标轴方向相同，获得空间配准的坐标信息；将对齐时间片段的温度数据和空间配准的坐标信息融合，生成三维温度散点云，其中每个散点包含温度值、梯度方向和时空坐标；对所述三维温度散点云进行流形学习，通过无监督学习模型提取三维温度散点云对应的低维流形表示，确定内在拓扑结构，在对应的流形空间中，通过莫尔斯理论和持久同调，提取三维温度散点云的拓扑特征，所述拓扑特征包括连通分量、孔洞和通道；基于所述拓扑特征，通过Delaunay三角化和Alpha形状构建初始曲面模型，确定与三维温度散点云对应的网格曲面，通过最小化所述网格曲面的高斯曲率能量，自适应调整网格曲面的形状和拓扑结构，得到拓扑优化的网格曲面，在拓扑优化的网格曲面上，通过径向基函数插值方法，恢复三维温度散点云的局部形状，确定三维动态温度分布模型；在对应的流形空间中，通过莫尔斯理论和持久同调，提取三维温度散点云的拓扑特征包括：基于低维流形表示，确定流形空间中的温度值分布和梯度信息，确定固有尺度范围，在所述固有尺度范围内，通过黄金分割搜索，最大化各尺度下持久同调特征之间的区分度，确定最优尺度参数组合；基于所述最优尺度参数组合，在所述流形空间中构建一组多尺度的过滤器，通过连接不同温度值的散点，生成嵌套的单纯复形序列，并根据尺度的大小，动态调整单纯复形的合并阈值，确定对应尺度下的莫尔斯复形；基于每个尺度下的莫尔斯复形，计算持久同调群，提取包括连通分量、孔洞和通道的拓扑特征，确定所述拓扑特征的持久性度量；通过最小化不同尺度下持久性度量之间的Wasserstein距离，建立所述拓扑特征在不同尺度下的对应关系，确定所述拓扑特征的跨尺度演化轨迹；通过多尺度卷积神经网络对跨尺度演化轨迹进行融合，提取局部模式和全局模式，得到融合多尺度拓扑特征。

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北京联物瑞达信息技术有限公司，其通讯地址为：100070 北京市丰台区海鹰路6号院26号楼3层3255；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”。