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！

龙图腾网恭喜上海电力大学申请的专利基于深度学习的非侵入式负荷在线监控方法及其系统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：CN115271780B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202210575825.0，技术领域涉及：G06Q30/02；该发明授权基于深度学习的非侵入式负荷在线监控方法及其系统是由李安;杨秀;郭然龙;潘瑞媛;傅广努;吴吉海;柴梓轩;徐立成;徐耀杰;胡浩然;李增尧;蒋倩;焦楷丹设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本基于深度学习的非侵入式负荷在线监控方法及其系统在说明书摘要公布了：本发明涉及一种基于深度学习的非侵入式负荷在线监控方法及其系统，该方法包括以下步骤：获取用电负荷历史数据；基于用电负荷历史数据，进行神经网络训练，得到非侵入式负荷监控模型；采集用电负荷实时数据，并对用电负荷实时数据进行预处理；利用非侵入式负荷监控模型对预处理后的用电负荷实时数据进行分解，得到监控结果并进行展示。与现有技术相比，本发明利用离线数据为深度学习模型提供学习标签预训练模型；通过后端Django框架实现采集数据处理及在线监控，并利用前端Vue‑ElementUI框架对负荷监控结果进行展示，能够充分考虑外界干扰因素，有效提高监测结果的实时性和准确性。

本发明授权基于深度学习的非侵入式负荷在线监控方法及其系统在权利要求书中公布了：1.一种基于深度学习的非侵入式负荷在线监控方法，其特征在于，包括以下步骤：S1、获取用电负荷历史数据；S2、基于用电负荷历史数据，进行神经网络训练，得到非侵入式负荷监控模型；S3、采集用电负荷实时数据，并对用电负荷实时数据进行预处理；S4、利用非侵入式负荷监控模型对预处理后的用电负荷实时数据进行分解，得到监控结果并进行展示；步骤S2具体包括以下步骤：S21、对用电负荷历史数据进行预处理，所述预处理包括缺失值填补以及异常值删除处理；S22、构造混合神经网络，所述混合神经网络由一维卷积神经网络和长短时记忆神经网络结合而成；S23、利用步骤S21得到的用电负荷历史数据，对混合神经网络进行模型训练，得到非侵入式负荷监控模型；所述混合神经网络架构包括第一部分seq2seq和第二部分seq2point，所述第一部分seq2seq具体为：第一个序列seq为总有功功率序列，第二个序列seq为经过神经网络得到的电器工作状态序列；所述第二部分seq2point具体为：第一个序列seq为总有功功率与工作状态组合成的工作状态序列，第二个点point为目标电器的有功功率；所述第一部分seq2seq包括：1）总输入层：将输入数据设置成维度N×1×1的张量，N为输入序列的长度，时间序列长度为1，输入特征维度为1；2改进CNN-LSTM层，总计352个神经元；3全连接层：64个神经元；4激活层：激活函数为Softmax；5第一部分输出层：输出维度为I，其中，I为用电器的状态数，即得到该用电器当前处于的状态；所述第二部分seq2point包括：1第二部分输入：由于输入数据为第一部分的输出结果，所以输入层维度设置为N×1×（I+1）；2改进CNN-LSTM模块，总计352个神经元；3全连接层：64个神经元；4激活层：激活函数为ReLU；5第二部分输出：输出层维度为1维，为用电器的有功功率。

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上海电力大学，其通讯地址为：201306 上海市浦东新区沪城环路1851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”。