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基于LSTM-GRU集成学习的非侵入式负荷监测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：CN116430148B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202310422211.3，技术领域涉及：G01R31/00；该发明授权基于LSTM-GRU集成学习的非侵入式负荷监测方法是由王立辉;张核;金伟明设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本基于LSTM-GRU集成学习的非侵入式负荷监测方法在说明书摘要公布了：基于LSTM‑GRU集成学习的非侵入式负荷监测方法，包括步骤：1、获取用户总线以及负荷的有功功率的值；2、对采集的数据进行预处理并进行配对组成数据集；3、构建基于LSTM和基于GRU的基模型，分别训练这两个基模型；4、使用训练好的两个基模型分别对总线有功功率进行初步分解得到目标负荷的初步分解值并进行结合；5、构建基于LSTM‑GRU集成学习的集成模型，将上一步的结果作为模型的输入，目标负荷的有功功率作为输出，训练所构建的基于LSTM‑GRU集成学习的元模型；6、根据当前总线的有功功率获得当前目标负荷的有功功率的数据。该方法通过结合两个基于LSTM和GRU的优势性能，并将BiTCN‑Attention模型和分类子模型集成作用的方式组成元模型，提升非侵入式负荷监测模型的分解精度。

本发明授权基于LSTM-GRU集成学习的非侵入式负荷监测方法在权利要求书中公布了：1.基于LSTM-GRU集成学习的非侵入式负荷监测方法，其特征在于，包括以下步骤： 包括： 1）获取用户总线以及各个负荷的有功功率的测量值； 2）结合数据的情况将用户总线有功功率和各个负荷有功功率对其进行预处理并进行配对组成数据集； 3）构建基于LSTM的基模型和基于GRU的基模型，分别将总线有功功率作为模型的输入，目标负荷的有功功率作为目标输出，分别训练所构建的基于LSTM和GRU的基模型； 4）使用训练好的两个基模型分别对总线有功功率进行初步分解得到目标负荷的初步分解值，并将两个基模型获得的目标负荷的初步分解结果进行结合； 5）构建基于LSTM-GRU集成学习的集成模型，将两个基模型获得的目标负荷的初步分解结果结合后的结果作为模型的输入，目标负荷的有功功率作为输出，训练所构建的基于LSTM-GRU集成学习的元模型； 搭建回归子模型： 第一层网络使用双向时间卷积神经网络进行输入时序数据的整体提取，第二层网络使用的是双向的长短记忆神经网络使用该神经网络通过选择性记忆和遗忘对数据进行过滤筛选；第三层网络使用的是注意力机制网络，接下来两层全连接层进行回归数据预测； 搭建分类子模型： 使用三层卷积神经网络进行特征提取；第四层使用双向LSTM进行前后信息的提取；接下来是两层全连接神经网络输出分类的预测； 6）根据当前总线的有功功率分解获得当前目标负荷的有功功率的数据。

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”。