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！

龙图腾网获悉西安理工大学申请的专利基于图编码和迁移学习的非侵入式负荷识别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：CN117216653B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202311107725.6，技术领域涉及：G06F18/241；该发明授权基于图编码和迁移学习的非侵入式负荷识别方法是由李军怀;曹景怡;王怀军;李超;丁东设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本基于图编码和迁移学习的非侵入式负荷识别方法在说明书摘要公布了：本发明公开了一种基于图编码和迁移学习的非侵入式负荷识别方法，首先采集不同家用设备的录波数据，构成原始数据集，并划分为训练数据集、验证数据集、测试数据集；采用分段聚合近似PAA‑S算法对数据进行分段聚合近似，把长序列映射为短序列，使短序列数据与原始长序列数据趋势相似；将短序列数据加入位置编码，保留原始数据的时序特征，再转换为二维图像数据；构建基于迁移学习的ResNet18预训练模型，进行训练并测试模型性能，最终实现对用电器的分类识别。本发明解决了现有技术中存在的单参量用电设备的识别问题、避免长序列数据间的依赖，提高模型的泛化能力和用电设备的监测和分类效率。

本发明授权基于图编码和迁移学习的非侵入式负荷识别方法在权利要求书中公布了：1.基于图编码和迁移学习的非侵入式负荷识别方法，其特征在于，具体按照以下步骤实施： 步骤1、采集不同家用设备的录波数据，构成原始数据集，并将其按照7：2：1的比例划分为训练数据集、验证数据集、测试数据集； 步骤2、采用分段聚合近似PAA-S算法对步骤1中原始数据集中数据进行分段聚合近似，把长序列映射为短序列，使短序列数据与原始长序列数据趋势相似； 所述步骤2具体按照以下步骤实施： 假设所述步骤1中的录波数据是长度为的短序列数据，将该短序列数据分为段，每段的长度为： （1） 接着对于每个段定义一个长度为的向量，表示第段的数据，对向量应用PAA-S算法，得到一个新值，即通过简单的线性回归拟合一个直线模型，表示该线性段的趋势，得到斜率和截距，其中斜率和截距计算公式如下： （2） （3） 其中和分别是第段的最后一个点和第一个点的值，和分别是第段起始到结束对应的时间；和表示第段短序列的起点， 对于第段，线性模型表示为： （4） 其中，表示该段内所有数据点的均值，表示时间点，将每个段的所有数据点视作，则序列，其中表示该段内所有数据点的均值，经过重采样后，得到输出序列，则序列，其中为重采样后所有数据点的均值，其中为输出序列的长度，重采样的计算公式如下： （5） 其中代表输出序列中的索引位置，表示时间序列的总长度； 步骤3、将步骤2中的短序列数据加入位置编码，保留原始数据的时序特征，再转换为二维图像数据； 步骤4、构建基于迁移学习的ResNet18预训练模型，将步骤3中加入位置编码的二维数据导入基于迁移学习的ResNet18预训练模型，进行训练并测试模型性能，最终实现对用电器的分类识别。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。