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！

龙图腾网获悉东北大学申请的专利基于数字孪生的高炉碳排放异常预测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：CN119623103B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411827046.0，技术领域涉及：G06F30/20；该发明授权基于数字孪生的高炉碳排放异常预测方法是由张颖伟;张鼎森;金泳男;商凯丞;冯琳设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本基于数字孪生的高炉碳排放异常预测方法在说明书摘要公布了：本发明提供一种基于数字孪生的高炉碳排放异常预测方法，涉及高炉碳排放技术领域，本发明提出了一种基于深度学习和机制融合的高炉顶异常碳排放检测方法。首先，收集高炉生产过程中碳迹的关键特征，并通过传感器收集高炉顶端的气体成分和外围生产数据。一些传感器无法实时获取的特征数据通过纳维‑斯托克斯NS方程进行迭代求解。然后，进行互相关分析以发现生产中碳迹的滞后关系，并建立碳排放滞后关系模型。异常运行状况由残差神经网络检测到。最后，使用实际生产数据对模型的性能进行了测试和评估。结果表明，所提出的方法能够准确检测到高炉顶端的异常碳排放，并能及时发出预警，有效减少了异常碳排放造成的环境污染和能源浪费。

本发明授权基于数字孪生的高炉碳排放异常预测方法在权利要求书中公布了：1.一种基于数字孪生的高炉碳排放异常预测方法，其特征在于，包括以下步骤： 步骤1：构建数字孪生机制模型，实时模拟和监测速度场、温度场和压力场的变化； 所述步骤1具体包括以下步骤： 步骤1.1：生成高炉建模区域，具体采用椭圆偏微分方程来生成建模区域的网格； 所述网格的排列与高炉的纵向方向一致； 步骤1.2：假设高炉中的流体为不可压缩的，将NS方程简化为二维形式；通过迭代求解离散化的二维NS方程来获得高炉内部的速度场和压力场；同时使用高炉风口回旋区红外热电偶获得的温度值来求解热微分方程来确定温度场；温度场、压力场和速度场构成了机理模型； 步骤1.3：建立数字孪生数据驱动模型； 所述步骤1.3包括以下步骤： 步骤1.3.1：从机理模型取边缘采样点与实时传感器融合，形成数据驱动模型的输入数据； 步骤1.3.2：采用互相关分析来确定当前工况下的碳滞后时间滞后值； 步骤1.3.2所述互相关分析具体如下： 通过互相关分析，确定高炉顶部分布数据和高炉顶气体成分数据之间的滞后关系，公式如下： 式中，xi就是碳的输入量，yi是碳的输出，N是数据的时间跨度，Rxyk是互相关分析的结果； 使用快速傅里叶变换将碳相关数据从时域转换到频域，然后再转换回时域； Rxyk＝ifftfftx.*conjffty2 式中，fft是快速傅里叶变换，ifft是逆快速傅里叶变换，conj是求共轭； 通过互相关分析，获得高炉在当前工况下的碳滞后时间；将炉顶压力、温度和边缘检测数据作为互相关的输入数据，而将炉顶气体成分的历史数据作为目标数据，即互相关分析里的x和y；基于通过互相关分析获得的当前工况下的滞后时间，对输入数据和输出数据进行匹配，采用了PCA降维方法，并将降维后的阶数作为数据驱动模型输入； 步骤1.3.3：构建数据驱动模型，即残差神经网络； 步骤1.4：对数据驱动模型进行数据预处理，从而获得最终的数字孪生机制模型； 步骤2：在获取实时获得的传感器数据之后，构建速度场，压力场，温度场模型，并与传感器数据进行融合，作为数据驱动模型的输入数据，在通过互相关分析获得短期工况内的滞后时间；将数据输入到数据驱动模型后得到炉顶碳排放的量，与滞后时间结合，确定预测出来的碳排放量的时间，从而实现碳排放异常的预测。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。