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！

龙图腾网获悉浙江工业大学申请的专利一种基于多尺度特征融合的非侵入式电器负载分类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：CN116738280B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310640027.6，技术领域涉及：G06F18/24；该发明授权一种基于多尺度特征融合的非侵入式电器负载分类方法是由丰泽辉;林祥庆;曹迪;雷艳静;陈悦;杨宇豪设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种基于多尺度特征融合的非侵入式电器负载分类方法在说明书摘要公布了：本发明公开了一种基于多尺度特征融合的非侵入式电器负载分类方法，包括：S1、采集电器控制系统的非侵入式电器负载信号；S2、对非侵入式电器负载信号进行预处理；S3、将预处理后的非侵入式电器负载信号归为第一数据集；S4、建立多尺度特征融合分类模型，包括U形网络、第一特征提取单元、残差模块、第一特征拼接单元、Flatten层和分类单元，U形网络、第一特征提取单元和残差模块并行；S5、利用迁移学习方法获取迁移学习模型。该方法能够提高电器事件检测与电器状态分类的准确率和稳定性，实现自动化的家庭电器管理和用电预测，为用户提供更加便捷的生活方式，以实现能源的节约和环保效果，泛化能力好。

本发明授权一种基于多尺度特征融合的非侵入式电器负载分类方法在权利要求书中公布了：1.一种基于多尺度特征融合的非侵入式电器负载分类方法，其特征在于：所述基于多尺度特征融合的非侵入式电器负载分类方法包括如下步骤： S1、采集电器控制系统的非侵入式电器负载信号，所述非侵入式电器负载信号包括电流信号、电压信号和功率信号中至少一种； S2、对非侵入式电器负载信号进行预处理； S3、将预处理后的非侵入式电器负载信号归为第一数据集； S4、建立多尺度特征融合分类模型，所述多尺度特征融合分类模型包括U形网络、第一特征提取单元、残差模块、第一特征拼接单元、Flatten层和分类单元，所述U形网络、第一特征提取单元和残差模块并行，其中： 所述U形网络，包括第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第二特征拼接单元、第三卷积层、第四卷积层、第三特征拼接单元、第五卷积层、第六卷积层和第七卷积层，所述第一卷积层的输出特征经第一最大池化层形成第一提取特征，所述第一提取特征经所述第二卷积层下采样形成第二提取特征，所述第二提取特征经第二最大池化层形成第三提取特征，所述第三提取特征经第七卷积层下采样获得第四提取特征，所述第三特征拼接单元用于将第三提取特征和第四提取特征进行拼接形成第一融合特征，所述第一融合特征依次经过第五卷积层和第六卷积层形成第五提取特征，所述第二特征拼接单元用于将第一提取特征和第五提取特征进行拼接形成第二融合特征，所述第二融合特征依次经过第三卷积层和第四卷积层形成第六提取特征； 所述第一特征提取单元，包括第一膨胀卷积模块、第四特征拼接单元和第二膨胀卷积模块，所述第四特征拼接单元用于将第四提取特征和第一膨胀卷积模块的输出特征进行相加操作作为第二膨胀卷积模块的输入特征； 所述第一特征拼接单元，用于将U形网络、第一特征提取单元和残差模块的输出特征进行相加操作形成第三融合特征； 所述Flatten层，用于对第三融合特征进行扁平化处理； 所述分类单元，包括并行的第一分类器和第二分类器，所述第一分类器用于对扁平化处理后的第三融合特征进行电器事件检测，所述第二分类器用于对扁平化处理后的第三融合特征进行电器状态分类； S5、利用迁移学习方法获取迁移学习模型，包括： S51、采用第一数据集对多尺度特征融合分类模型进行预训练并通过损失函数进行参数更新，保存预训练好的模型参数； S52、采用家庭私人数据集对预训练好的多尺度特征融合分类模型再次进行训练，并仅对分类单元的参数进行优化形成迁移学习模型。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。