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！

龙图腾网获悉杭州电子科技大学申请的专利一种非侵入式负荷识别计算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：CN116628620B 。

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：202310235687.6，技术领域涉及：G06F18/25；该发明授权一种非侵入式负荷识别计算方法是由罗平;孙博宇;邓晋宇;朱振宇;孔亚广;吴秋轩设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本一种非侵入式负荷识别计算方法在说明书摘要公布了：本发明公开了一种非侵入式负荷识别计算方法，为提高负荷识别的准确率，该方法首先对目标用户进行数据采集，获取用电设备的电压、电流数据；运用改进的二维广义似然比检验对电流数据进行事件检测，使用了聚簇移除、导数移除两种误检滤除算法来减少错检和误检的发生。找到事件发生的突变点并存放进事件列表；选用无功电流代替传统V‑I轨迹中的总电流，通过事件列表提取稳态数据后生成V‑无功I轨迹图，将其与由测量所得的电压、电流经过傅立叶分解得到的有功、无功功率进行特征融合后处理为图像特征矩阵；最后将图像特征矩阵输入改进的结合残差块的全卷积网络模型，输出识别结果。

本发明授权一种非侵入式负荷识别计算方法在权利要求书中公布了：1.一种非侵入式负荷识别计算方法，其特征在于：具体包括以下步骤： 步骤一、数据采集 针对目标对象所安装的总表和分表统计的电流、电压数据进行采样，对采样数据利用中值滤波进行去噪，删除原始数据中的偏移点，得到样本数据； 步骤二、事件检测 选用基于Neyman-Pearson准则的广义似然比检验算法对样本数据进行事件检测，通过设定事件前窗口与后窗口两个近邻的滑动窗口组成联合窗口，联合窗口在电流矩阵上滑动，当算法决策函数大于所设阈值时，则认为存在事件发生，保存事件发生的时刻； 对于通过广义似然比得到的事件检测结果Ievent，进一步使用聚簇移除、导数移除两种误检滤除算法进行滤除，具体为： 首先在Ievent序列中进行一维无监督聚类，不设定聚类中心数，所有的连续非零值会被聚合为一个簇，认定为一个事件，从而移除电流在同一工作状态下小幅波动导致的误检，得到电流序列△I； 然后计算电流序列△I中非端点的任一电流点△If的一阶导数ΔIf’： t表示相邻两个电流数据的间隔时间；设置导数阈值dth和周期阈值nth；将聚簇移除算法检测到的疑似事件所对应采样点的一阶导数绝对值与导数阈值dth比较，若其一阶导数绝对值大于导数阈值dth，则认定该采样点为非零，否则认定为由噪声导致的导数波动；如果连续导数不为零的周期数大于周期阈值nth，则前后的事件被视为同一个事件；最后比较检测到的相邻事件之间的导数，若其中导数不为零的部分占比大于80％或者连续导数不为零的周期数超过周期阈值nth，则后一个相邻事件将被认定为由同一个长暂态投切事件功率的持续变换导致的，需要移除； 步骤三、特征提取 构建二维图像矩阵来反映不同类型的负荷V-I轨迹特征；获取每个电器不同采样点下的有功、无功功率并存储，再进一步得到无功电流序列；随后提取稳态数据，得到最终平均化后的一个周期的电压、电流数据； 步骤四、负荷识别 构建结合了Bi-TCN残差块的FCN网络，Bi-TCN残差块有2个残差单元，每个残差单元按先后顺序包括Non-casualdilated、BatchNormalization、ReLU、Dropout；在Bi-TCN残差块的输出位置依次设置二分类器与上、下双通道；对步骤三得到的图像特征矩阵进行降维后输入Bi-TCN残差块中，再通过二分类器将未知电器分流至上通道，已知电器分流至下通道；未知电器的特征在上通道中经过一维卷积层后直接输出；已知电器的特征在下通道中先经过reshape函数调整输入维度为N×1×N，再依次通过两个卷积块完成编码和解码过程，最终通过Flatten层展平，输出一维的识别结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。