龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：三峡大学
摘要：一种基于时序功率数据增强和对比学习的少标签NILM方法，它包括以下步骤：步骤1：数据预处理；步骤2：事件检测；步骤3：利用对比学习框架，构建一个时序功率增强的NILM模型；步骤4：模型对比学习预训练；步骤5：模型微调，将编码器参数转移到微调模型中并冻结，利用预训练数据集中的少部分带标签数据微调分类器；步骤6：负荷监测，利用微调好的模型进行负荷识别。本发明的目的是为了解决现有监督式非侵入式负荷监测模型严重依赖带标签的数量，标签的高标记成本和隐私性限制了模型的通用性和泛化性，且对多状态设备和特征相似设备识别效果不佳的技术问题。
主权项：1.一种基于时序功率数据增强和对比学习的少标签NILM方法，其特征在于，包括以下步骤：步骤1：对原始功率数据进行数据预处理；步骤2：利用一个固定长度的滑动窗口对一维归一化后数据进行事件检测，获得设备运行时的无标签功率时序片段，构建无标签数据集；步骤3：利用对比学习框架，构建一个时序功率增强的NILM模型，包括时序数据增强、正负样本、编码器、投影头、对比损失、伪标签和队列七个部分；步骤4：将步骤2获得的无标签功率时序片段输入到时序功率增强的NILM模型中，完成预训练，获得能够挖掘时序功率数据深层特征的SE编码器；步骤5：完成模型的微调；步骤6：进行非侵入式负荷识别测试。
全文数据：
权利要求：
百度查询： 三峡大学 一种基于时序功率数据增强和对比学习的少标签NILM方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号