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！

龙图腾网获悉湘潭大学申请的专利基于格拉姆角差场特征融合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：CN116127409B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310178005.2，技术领域涉及：G06F18/25；该发明授权基于格拉姆角差场特征融合的非侵入式负荷识别方法是由段斌;符明;蔡令仪;柯其聪设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本基于格拉姆角差场特征融合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格拉姆角差场特征融合的非侵入式负荷识别方法，包括以下步骤：对设备采集到的高频稳态数据进行预处理，获得一个完整基波周期电流和电压信号；利用格拉姆角差场分别对一维电压和电流信号进行编码，生成相对应的二维特征图；通过叠加融合输入到基于卷积块注意力模块的神经网络中，构建负荷识别模型，完成负荷识别。本发明将格拉姆角差场理论应用于负荷印记构建中，增强了一维电压、电流信号的表征能力，进而提升了不同负荷特征之间的辨识度。此外，在负荷识别模型中引入卷积块注意力模块，帮助模型从负荷印记中获取更多负荷识别所需要的有用信息，抑制其他无用信息，进一步提升了负荷识别能力。

本发明授权基于格拉姆角差场特征融合的非侵入式负荷识别方法在权利要求书中公布了：1.一种基于格拉姆角差场特征融合的非侵入式负荷识别方法，其特征在于，包括以下步骤： 步骤一：对设备采集到的高频稳态数据进行预处理，获得一个完整基波周期电流和电压信号； 步骤二：利用格拉姆角差场分别对一维电压和电流信号进行编码，生成相对应的二维特征图； 所述步骤二具体过程为： 首先，将预处理获得的一维电压信号和电流信号归一化至区间； 接着，将归一化后电压、电流信号分别转换到极坐标系中，用极坐标系中的角度和半径表征其幅值和时间戳； 然后，进行GADF矩阵变换，生成2个大小为的二维特征图； 最后，将其叠加融合生成一个大小为的三维特征图，作为负荷印记；为了增强三维特征图的特征表达能力，将特征图每个像素点数值都乘以256并进行向下取整处理，使得特征图的灰度值范围从[0,1]之间变成[0,255]之间； 步骤三：通过叠加融合输入到基于卷积块注意力模块的神经网络中，构建负荷识别模型，完成负荷识别； 卷积块注意力模块CBAM由通道注意力子模块和空间注意力子模块组成； 假设给定一个特征图作为输入，CBAM依次推断出一维通道注意图和二维空间注意图，整个注意力过程概括如下： 8； 9； 式中：表示对应元素逐个相乘，在乘法操作过程中，通道注意值沿着空间维度广播，空间注意力值则沿着通道维度广播，表示通道注意力权重，表示最终输出注意力权重，表示实数空间，表示特征图的通道数，表示特征图的长度，表示特征图的宽度； 在通道注意力模块中，首先通过最大池化和平均池化分别对输入的特征图在空间维度进行压缩，聚合得到两个不同的空间特征描述符：和；然后将这两个空间特征描述符传递到由多层感知机组成的共享网络中生成通道注意力图；为了减少参数开销，多层感知机的隐藏激活大小设置为，为压缩比，通道注意力计算公式如下： 10； 式中：表示sigmoid函数，MLP表示多层感知机，AvgPool表示平均池化，MaxPool表示最大池化，和表示多层感知机的权值； 同样，空间注意力模块首先利用最大池化和平均池化在通道维度上对特征图进行压缩，生成两个二维特征图和；然后将和两个特征图进行拼接得到一个包含2个通道数的三维特征图；紧接着利用卷积核大小为的卷积层对特征图进行卷积操作，得到二维特征图，最后输入到sigmoid函数中生成二维空间注意力特征图；空间注意力的计算过程为: 11； 式中：表示卷积层的卷积核大小为

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湘潭大学，其通讯地址为：411105 湖南省湘潭市雨湖区羊牯塘卢家滩27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”。

以上内容由龙图腾AI智能生成。