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！

龙图腾网获悉江苏建科工程咨询有限公司申请的专利基于BIM的医疗设备能耗预测模型构建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：CN120892698B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511426611.7，技术领域涉及：G06F18/10；该发明授权基于BIM的医疗设备能耗预测模型构建方法是由朱静;张明;田为波;高楠;付贺;王晓觅;周鸿一;李国强;徐颢璁;张祖宁设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本基于BIM的医疗设备能耗预测模型构建方法在说明书摘要公布了：本发明公开了基于BIM的医疗设备能耗预测模型构建方法，涉及医疗设备能耗预测技术领域，包括如下步骤：基于相关BIM模型获取区域内的医疗设备，并采集医疗设备的设备功率时序数据以及设备相关时序数据；并进行数据预处理，再进行数据相关性分析，得到节点时序数据以及节点相关性数据；基于时空图神经网络，构建能耗预测模型；根据能耗预测模型对医疗设备进行能耗预测，并进行可靠性分析，得到医疗设备能耗预测结果；本发明用于解决现有的医疗设备能耗预测技术在对多台医疗设备的能耗进行预测时，无法根据多台医疗设备之间的关联以及相关参数，建立多台医疗设备统一的能耗预测模型，同时预测多台医疗设备的能耗的问题。

本发明授权基于BIM的医疗设备能耗预测模型构建方法在权利要求书中公布了：1.基于BIM的医疗设备能耗预测模型构建方法，其特征在于，包括如下步骤： 基于相关BIM模型获取区域内的医疗设备，并采集医疗设备的设备功率时序数据以及设备相关时序数据； 对设备功率时序数据以及设备相关时序数据进行数据预处理，并进行数据相关性分析，得到节点时序数据以及节点相关性数据； 基于时空图神经网络，并利用节点时序数据以及节点相关性数据构建能耗预测模型； 根据能耗预测模型对医疗设备进行能耗预测，并进行可靠性分析，得到医疗设备能耗预测结果； 对设备功率时序数据以及设备相关时序数据进行数据预处理，并进行数据相关性分析，得到节点时序数据以及节点相关性数据包括如下子步骤： 将医疗设备1-医疗设备n1的输入功率，依次记作特征节点1-特征节点n1；并将相关参数1-相关参数n1依次记作特征节点n1+1-特征节点n1+n2，并与特征节点1-特征节点n1合并，记作特征节点1-特征节点n0，其中n0=n1+n2； 将任意一个特征节点分别记作第一节点，获取第一节点对应的时序数据，记作第一参数序列，计算第一参数序列的均值和标准差，分别记作AP以及AB； 对于第一参数序列中任意一个数据记作第一数值；以第一数值为中心，取第一数值前后各k1个最近的数据，并与第一数值组成第一数值的局部窗口，其中，k1为设置的个数； 计算第一数值的局部窗口内数据的变异系数，记作CV1；并计算第一数值对应的动态调整系数k0，其中k0=k2+min{k3-k2，[k3-k2CV0]*CV1}，其中，[k2，k3]为设置的动态调整系数的取值范围，k0∈[k2，k3]，CV0为设置的变异系数阈值； 若第一数值不属于[AP-k0*AB，AP+k0*AB]，则标记为异常数据，否则标记为正常数据； 若第一数据为异常数据，则获取第一数值前后各k4个最近的正常数据，并根据每个正常数据与第一数据的位置距离，计算获取的所有正常数据的加权平均值，并替换第一数据，其中，k4为设置的个数； 重复获取第一参数序列中所有的异常数据，并进行替换，完成后得到第一节点的去噪时序数据；重复获取所有特征节点的去噪时序数据； 将特征节点1－特征节点n1中任意一个特征节点记作第一功率节点，获取第一功率节点的去噪时序数据，记作第一功率序列； 设置第一窗口大小为k5，k5为奇数，将第一功率序列中任意一个数据，记作第一功率点；以第一功率点为第一窗口的中心，计算第一窗口的所有数据的平均值，并替换第一功率；重复对第一功率序列中所有数据进行替换，完成后得到第一功率节点的平滑时序数据； 重复获取特征节点1－特征节点n1的平滑时序数据，并将特征节点n1+1－特征节点n1+n2的去噪时序数据合并，记作节点时序数据； 将节点时序数据中的平滑时序数据和去噪时序数据统一记作特征时序数据；将任意两个特征节点记作节点组合，并分别记作第一节点以及第二节点；分别获取第一节点以及第二节点对应的特征时序数据，分别记作第一序列以及第二序列； 设置滑动窗口大小为k6，滑动步长为1，分别从第一序列和第二序列的起始位置开始同步滑动，将每次滑动的两个滑动窗口内的两个部分序列记作子序列组，并将所有子序列组依次记作子序列组1-子序列组n3； 将任意一个子序列组记作第一子组，将第一子组中的第一序列和第二序列的部分序列分别记作第一子序列和第二子序列； 利用z-score法分别对第一子序列和第二子序列进行标准化处理，并计算标准化后的第一子序列和标准化后的第二子序列的皮尔逊相关系数，记作第一子组的波动相关度AR1； 对第一子序列和第二子序列分别进行线性拟合，分别获取线性拟合得到的直线的斜率，按顺序分别记作KX1和KX2；计算第一子组的趋势相关度AR2，其中AR2=signKX1*KX2*min|KX1|，|KX2|max|KX1|，|KX2|，sign为符号函数； 分别计算第一子序列和第二子序列的变异系数，并计算两个变异系数的平均值的倒数，记作第一子组的权重系数VQ；重复获取所有子序列组的权重系数，并求和，记作权重系数和HQ； 计算第一子组的综合相关度HR，其中HR=VQHQ*[AR1+AR22]；重复获取所有子序列组的综合相关度，并求和，再取绝对值，记作第一节点和第二节点的节点相关性； 重复获取所有节点组合的节点相关性，记作节点相关性数据； 基于时空图神经网络，并利用节点时序数据以及节点相关性数据构建能耗预测模型包括如下子步骤： 根据节点相关性数据构建邻接矩阵，记作A=aijn0*n0，其中aij为特征节点i和特征节点j的节点相关性，当i=j时aij=1；i∈[0，n0]； 并根据节点时序数据，将同一采集时刻下的所有特征节点的数据与邻接矩阵构建每个采集时刻的时空特征矩阵，得到模型训练数据； 将时空图神经网络记作初始预测模型，设置模型输出为医疗设备1－医疗设备n1的输入功率，利用模型训练数据对初始预测模型进行模型训练，完成后得到能耗预测模型。

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江苏建科工程咨询有限公司，其通讯地址为：210000 江苏省南京市建邺区嘉陵江东街18号06幢14层；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。