1、意向受让方须为依法设立的企业法人、其他经济组织或具有完全民事行为能力的自然人；
2、意向受让方须具有良好财务状况、支付能力；
3、本项目不接受联合体受让。

1.转让标的可拆分受让。
2.专利1名称：一种基于深度强化学习的零碳建筑优化设计方法
专利申请日：2022-02-23
授权公告日：2023-03-10
专利权期限：20年
介绍：本发明属于零碳建筑技术领域,具体涉及一种基于深度强化学习的零碳建筑优化设计方法,包括四个模型的建构：参数化模型,用于建立设计参量与优化目标的信息关联；基于深度强化学习的设计参量与优化目标的映射模型,可实现对优化目标的快速预测；利用NSGA-Ⅱ算法建构零碳建筑优化设计模型,获取Pareto解集；优化设计变量与优化目标协同的设计决策模型,用于对Pareto解集进行筛选做出进一步设计决策。本发明建构的映射模型能够加快建筑优化目标的计算速度,并提高其泛化能力；决策方法可以在充分考虑设计变量的前提下,对各优化目标进行评价排序,缩减了决策范围,降低了决策难度使,设计决策结果更加全面科学。
专利2名称：一种建筑群方案生成性能评价方法
专利申请日：2022-02-25
授权公告日：2023-03-10
专利权期限：20年
介绍：本发明属于建筑群方案生成评价领域,具体涉及一种建筑群方案生成性能评价方法,包括五个模块：样本数据筛选与处理；建筑群方案样本数据聚类；基于cGAN的建筑群方案生成模型建构；基于CNN的建筑群性能预测模型建构；建筑群方案生成及方案性能评价。该方法能够通过K-means技术对收集到的当前建筑群方案进行聚类分析,挖掘当前某建筑类型建筑群方案设计特征,利用cGAN技术学习各建筑群方案特点,用于建筑群方案的生成设计,提高设计效率与精度。利用CNN算法构建的建筑群方案性能预测模型可以快速预测某类型建筑群布局方案下的太阳能潜力值和建筑能耗值,进而实现对方案的性能评价。
专利3名称：一种自适应建筑光伏表皮模型预测控制方法
专利申请日：2022-12-08
授权公告日：2023-07-14
专利权期限：20年
介绍：本发明属于新能源与节能技术领域,具体涉及一种自适应建筑光伏表皮模型预测控制方法,本发明通过构建基于数据驱动的模型预测控制系统,将机器学习和人工神经网络与MPC控制器相结合,使自适应建筑光伏表皮模型预测控制更具精准性、便捷性；本发明通过MPC控制器辅助机器学习发掘并学习数据中的信息,由机器学习和人工神经网络快速完成室内热舒适度和自适应建筑光伏表皮发电量的模拟预测,然后通过MPC控制器生成控制信号。本发明通过模型预测控制实现自适应建筑光伏表皮主动式调节变化,高效改善室内热舒适环境,实现自适应建筑光伏表皮调节室内热舒适度的同时,合理利用太阳能资源,减少建筑碳排放。
3.截至挂牌日，已取得发明专利证书。

意向受让方须承诺，在递交受让申请并交纳交易保证金后，即表明理解并接受本次资产转让的所有内容及程序，完全了解与认可转让标的状况以及存在的瑕疵等一切内容，并自行承担受让转让标的所带来的一切风险和后果；成为最终受让方后不得以不了解转让标的为由退还转让标的，否则将视为违约；非因转让方原因所引发的风险因素，由受让方自行承担。
意向受让方须承诺，在收到《挂牌结果通知单》之日起5个工作日内与转让方签署《技术转让合同书》，并于签订《技术转让合同书》之日起5个工作日内支付应付交易价款至转让方指定账户（交易价款无息结算），交易费用支付至中心指定账户（如本项目公告对以上办理时间有不同约定的，从其约定）。协议成交不收取交易费用，若产生竞价，收取竞价佣金。