Original name record: 上海交通大学; 中船第九设计研究院工程有限公司

本申请提供了一种机理模型与数据驱动的空压机能耗混合预估方法及系统，涉及工业节能与智能控制技术领域。该方法包括：先利用皮尔逊相关性分析快速剔除大量明显不相关的特征量，得到集合；利用随机森林特征分析方法捕捉非线性关系，全面挖掘潜在特征，得到集合；取作为相关性分析的结果，为后续的建模准备了最优的特征子集；在保留核心机理模型框架的基础上，使用Lasso智能算法针对机理模型无法覆盖的残差进行学习和补偿，实现空压机能耗预测建模。该混合模型兼具高精度与强泛化能力；同时模型轻量化、计算高效，便于嵌入实时控制系统。

本申请提供一种融合SARIMAX预测及船厂关键动力设施调度优化方法及系统，涉及动力设施负荷预测技术领域。该方法包括：对初始数据进行预处理；对预处理后数据进行平稳性检验和白噪声检验，得到最终数据；根据最终数据选出符合最优模型准则的最优变量，确定SARIMAX最优超参数；利用季节性和非季节性的阶数以及外生变量训练SARIMAX预测模型参数并进行拟合处理；基于历史多工况数据类型对应的SARIMAX预测模型进行预测，得到气体负荷使用量；将气体负荷使用量的有限空间范围与气体预测使用量进行校核，基于校核通过的SARIMAX预测模型，对船厂关键动力设施进行调度优化。本申请可将船厂关键动力设施空压机组的有效运行比率提升，降低综合能耗，实现船厂数据驱动的精细化能源管理。

本申请提供了一种船厂空压机组智能优化调度方法及系统，涉及工业智能优化技术领域。该方法包括：先对船厂空压机组进行优化调度模型构建，然后采用动态规划方法对所述优化调度模型进行求解。本申请突破传统调度方式的局限，在满足流量负荷供需平衡等约束条件下，构建空压机组优化调度模型并进行求解，支持合理制定空压机设备机组调度方案，确保船厂气动系统高效稳定运行，节约能源，使空压机组在满足流量负荷的情况下总体能耗最优。

本发明提供了一种基于SSA‑LSTM动态负荷预测的空压机组节能调度优化方法及系统，涉及工业能效管理技术领域。该方法包括：将气体负荷数据分解，以进行特征分析；先基于空压机工作原理定性筛选具有物理意义的参数，再通过Pearson相关系数分析选取多维度参数作为输入；结合船厂生产数据特点，采用LSTM进行动态负荷预测，并引入SSA优化超参数，构建SSA‑LSTM负荷预测模型；以SSA‑LSTM负荷预测为关键输入，集成空压机多时间尺度的约束条件，系统构建空压机组优化调度模型。本发明通过SSA‑LSTM模型有效捕捉工况数据中的时空异质性与动态波动特征，实现高效全局调优，显著提升预测精度与计算效率；适用于以船厂为代表的高动态、实时精准负荷预测工业场景，为调度决策提供关键支持。