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！

龙图腾网获悉浙江大学滨江研究院申请的专利基于字典学习和神经网络NILM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：CN120744512B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511240947.4，技术领域涉及：G06F18/214；该发明授权基于字典学习和神经网络NILM方法是由潘晓华;邹永祺;叶林辉设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本基于字典学习和神经网络NILM方法在说明书摘要公布了：本发明公开了一种基于字典学习和神经网络的NILM方法，步骤如下：首先构建字典学习和稀疏表示方法。接着构建神经网络模型，该模型包含一维感受野模块、空间特征金字塔模块SAMFPN和分类模块。一维感受野模块借助多尺度空洞卷积与残差连接，空间特征金字塔模块通过自上而下及横向连接结构，实现多尺度特征高效融合，各尺度特征经空间注意力拼接，自适应优化特征图空间维度。最后进行模型训练，并用训练好的模型开展非侵入式负荷监测。本发明结合字典学习与神经网络，通过独特模块设计实现多尺度特征融合与优化，有效提升非侵入式负荷监测的准确性与效率，为电力负荷监测领域提供创新且实用的技术方案。

本发明授权基于字典学习和神经网络NILM方法在权利要求书中公布了：1.一种基于字典学习和神经网络NILM方法，其特征在于：包括如下步骤： 步骤一，构建字典学习和稀疏表示方法； 步骤二，构建神经网络模型，模型由一维感受野模块、空间特征金字塔模块和分类模块构成，一维感受野模块通过多尺度空洞卷积和残差连接，SAMFPN特征金字塔模块通过自上而下和横向连接的结构，实现了多尺度特征的高效融合，并将各个尺度的特征通过空间注意力进行拼接操作，自适应地优化特征图的空间维度； 步骤三，进行模型训练，并使用训练完成的模型进行非侵入式负荷监测； 所述步骤二中构建神经网络模型的具体步骤如下： 步骤二一，构建1DRFB模块,采用1DRFB对稀疏表示后的特征进行处理； 步骤二二，构建特征金字塔注意力机制模块，该模块由空间注意力和特征金字塔组成，采用表示输入数据通过不同采样率逐级下采样得到的特征图，每个特征图具有相同的通道数和不同的特征尺寸；随后将每层特征向量通过1*1卷积进行通道数的降维，并与下一层特征向量降维后的结果进行融合，即通过1*1卷积得到，通过上采样与经过1*1卷积的卷积结果融合生成，以此类推，生成，随后将，，通过上采样与进行融合，通过全局平局池化层和Sigmoid激活函数生成注意力权重； 步骤二三，构建特征分类模块，特征分类模块由三层全连接层组成，三层神经元个数[64,32,num_cls],其中num_cls为训练集中电器的种类。

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大学滨江研究院，其通讯地址为：310000 浙江省杭州市滨江区东信大道66号二号楼301；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。