东南大学郑建勇获国家专利权
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！
龙图腾网获悉东南大学申请的专利一种基于自监督对比学习的非侵入性负荷识别方法及系统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：CN114358132B 。
龙图腾网通过国家知识产权局官网在2025-07-18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：202111493861.4，技术领域涉及：G06V10/764；该发明授权一种基于自监督对比学习的非侵入性负荷识别方法及系统是由郑建勇;高昂;梅飞;沙浩源;解洋;李轩;郭梦蕾设计研发完成，并于2021-12-08向国家知识产权局提交的专利申请。
本一种基于自监督对比学习的非侵入性负荷识别方法及系统在说明书摘要公布了：本发明公开了一种自监督对比学习的非侵入性负荷识别方法及其系统，包括数据增强从合成数据中提取多标签操作特征；格拉姆矩阵编码：使用格拉姆角场编码将电源序列转换为图像矩阵，实现特征自动提取；自监督对比学习架构：利用包含两个卷积子神经网络的对比学习架构，从主监测通道和设备监测通道中分别提取特征，并在该架构中应用infoNCE损失函数，以进行参数优化，缩小特征空间的类内距离，扩大类间距离。最后，测试样本的标签由从训练集中提取的支持集内每个类别的样本的平均相似性确定。通过两个典型的NILM公共数据集REDD和ECO验证了所提算法的有效性，这些数据集包含低频功率数据，结果表明，算法不仅拥有识别多标签用电器操作的高准确率。
本发明授权一种基于自监督对比学习的非侵入性负荷识别方法及系统在权利要求书中公布了：1.一种基于自监督对比学习的非侵入性负荷识别方法，其特征在于，所述非侵入性负荷识别方法，包括构建自监督对比学习框架，通过自监督对比学习框架对数据集进行特此提取和自身的参数优化； 所述非侵入性负荷识别方法，包括进行数据增强；所述数据增强的具体步骤为： 1基于滑动时间窗的家用电器操作事件监测； 2多标签操作的数据增强； 所述非侵入性负荷识别方法，包括通过格拉姆角场编码实现功率序列图像化，所述通过格拉姆角场编码实现功率序列图像化的具体步骤为： 1使用分段聚合近似对原始时间序列进行降维处理； 2将时间序列转换到极坐标内； 3使用格拉姆和角场将对时间序列进行图像化； 4将所得数据进行标准化； 所述自监督对比学习框架的构建包括以下步骤： 1框架由两个子网络组成，一个处理主通道和一个处理设备通道； 2将训练样本输入监督对比学习框架中进行训练。
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南大学，其通讯地址为：210096 江苏省南京市玄武区新街口街道四牌楼2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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号