“夏源利”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]新型冷凝式消雾冷却塔-CN202311049607.4在审
发明人：陈江山;任良森;夏源利;张博文 -专利权人：焦作鼎昌环保科技有限公司
申请日： 2023-08-21 - 公布日： 2023-10-24 - 主分类号： F28C1/14 文献下载
摘要：本发明涉及新型冷凝式消雾冷却塔，包括塔体，还包括由下至上依次设置在塔体内的冷水池、填料、喷淋装置、收水器、冷凝装置、混合室和风机；冷凝装置覆盖塔体横截面，冷凝装置包括横向排布的多组冷凝模块，述冷凝模块包括钢结构框架和设置在钢结构框架内的若干个层叠布设的冷凝板片；冷凝板片上设置有波纹导流结构，可便于冷凝水的快速流出，减小液膜厚度，波纹导流结构为带有导流槽的竖向波纹结构或带有导流槽的交叉波纹结构。本发明的冷凝板片采用波纹状布置，可以增大换热面积，冷凝板片上布置导流槽，能够收集整个湿热通道内的冷凝水、并将其与湿热空气进行充分的逆流换热，提高换热能力、同时降低热阻，实现消雾、节水的良好效果。
新型冷凝式消雾冷却塔

[发明专利]一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法-CN202010476862.7有效
发明人：雷蕾;王宁;陈浩;夏源利;陈超 -专利权人：桂林电子科技大学
申请日： 2020-05-29 - 公布日： 2023-04-18 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，包括以下步骤：(1)进行现场实测，得到的关于自然通风环境下建筑室内热舒适环境参数和人体参数的样本数据，建立自然通风环境下建筑室内热舒适预测模型；(2)利用Matlab软件将环境参数和人体参数作为深度置信神经网络的输入参数，建立深度置信神经网络训练模型对训练样本进行学习训练，并调试得到最佳的训练模型；(3)确定深度置信神经网络测试模型，把测试样本放入该训练好的测试模型中进行自然通风环境下建筑室内热舒适的预测。本发明的预测方法解决了应用传统建筑室内热舒适预测方法来预测自然通风环境下建筑室内热舒适的精度不足和适用性不强的问题，为自然通风环境下建筑室内热舒适预测提供了有效的解决方案。
一种基于深度置信神经网络自然通风环境建筑内热舒适预测方法

[发明专利]电力基坑内正负压相结合的新风管理装置-CN202211338773.1在审
发明人：宋晓燕;李强;崔凤庆;李瑞鑫;夏源利;梁京;宋紫嫣 -专利权人：国网河南省电力公司电力科学研究院
申请日： 2022-10-28 - 公布日： 2023-03-28 - 主分类号： F24F7/003 文献下载
摘要：本发明提供了一种电力基坑内正负压相结合的新风管理装置，属于排风工程技术领域。一种电力基坑内正负压相结合的新风管理装置，包括管网，所述管网上设置的风机组、新风管理模块，所述风机组包括正压风机、负压风机，所述管网包括与所述正压风机相连接的下潜式送风模块、与所述负压风机相连接的分布式抽风管。提供节能环保、快速铺设、智能监测、便于管理的一种电力基坑内正负压相结合的新风管理装置。
电力基坑正负相结合新风管理装置

[实用新型]电力基坑内正负压相结合的新风管理装置-CN202222863266.1有效
发明人：宋晓燕;李强;崔凤庆;李瑞鑫;夏源利;梁京;宋紫嫣 -专利权人：国网河南省电力公司电力科学研究院
申请日： 2022-10-28 - 公布日： 2023-03-07 - 主分类号： F24F7/003 文献下载
摘要：本发明提供了一种电力基坑内正负压相结合的新风管理装置，属于排风工程技术领域。一种电力基坑内正负压相结合的新风管理装置，包括管网，所述管网上设置的风机组、新风管理模块，所述风机组包括正压风机、负压风机，所述管网包括与所述正压风机相连接的下潜式送风模块、与所述负压风机相连接的分布式抽风管。提供节能环保、快速铺设、智能监测、便于管理的一种电力基坑内正负压相结合的新风管理装置。
电力基坑正负相结合新风管理装置

[发明专利]一种基于粗糙集和深度置信神经网络的建筑能耗预测方法-CN202010622331.4有效
发明人：雷蕾;陈威;王宁;吴冰;郑皓;林鑫;夏源利 -专利权人：桂林电子科技大学
申请日： 2020-06-30 - 公布日： 2022-09-16 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于粗糙集和深度置信神经网络的建筑能耗预测方法，包括以下步骤，步骤一：进行用于粗糙集约简建筑能耗影响因子的数据实测，确定各能耗等级的数值范围；步骤二：利用粗糙集对建筑能耗影响因子进行属性约简预处理；步骤三：进行用于深度神经网络预测建筑能耗的样本数据实测；步骤四：叠加受限玻尔兹曼机，构建深度置信神经网络对训练样本进行学习训练；步骤五：利用Matlab软件将经过属性约简后剩余的重要建筑能耗影响因子作为深度置信神经网络的输入参数，建筑能耗作为深度置信神经网络的输出，进行建筑能耗预测。本发明解决了传统建筑能耗预测方法中准确性不够和实用性不足的问题，为建筑能耗的预测提供了一种新的方法。
一种基于粗糙深度置信神经网络建筑能耗预测方法

[发明专利]一种建筑室内多个污染源释放强度的逆向辨识方法-CN202010539020.1在审
发明人：雷蕾;林鑫;郑皓;吴冰;陈威;王宁;夏源利;陈超 -专利权人：桂林电子科技大学
申请日： 2020-06-13 - 公布日： 2020-09-11 - 主分类号： G01N33/00 文献下载
摘要：本发明公开了一种建筑室内多个污染源释放强度的逆向辨识方法，包括以下步骤：步骤一：对建筑室内环境参数采用CFD数值模拟技术获得稳定热流动场；步骤二：基于污染源贡献率(CRPS)方法获得多个污染源释放的室内浓度与监测点的浓度之间的传输矩阵A，利用传输矩阵A建立逆模型；步骤三：采用Tikhonov正则化方法增强逆模型求解的稳定性；步骤四：选取正则化矩阵L，计算正则化参数λ，基于监测点浓度求解污染源浓度。本发明辨识污染源释放强度方法解决了传统辨识方法的单一性和复杂性，为建筑室内快速有效地辨识多个污染源释放强度提供了新的方案。
一种建筑室内污染源释放强度逆向辨识方法