買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安理工大學(xué)申請的專利基于圖編碼和遷移學(xué)習(xí)的非侵入式負(fù)荷識別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN117216653B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202311107725.6，技術(shù)領(lǐng)域涉及：G06F18/241；該發(fā)明授權(quán)基于圖編碼和遷移學(xué)習(xí)的非侵入式負(fù)荷識別方法是由李軍懷;曹景怡;王懷軍;李超;丁東設(shè)計研發(fā)完成，并于2023-08-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于圖編碼和遷移學(xué)習(xí)的非侵入式負(fù)荷識別方法在說明書摘要公布了：本發(fā)明公開了一種基于圖編碼和遷移學(xué)習(xí)的非侵入式負(fù)荷識別方法，首先采集不同家用設(shè)備的錄波數(shù)據(jù)，構(gòu)成原始數(shù)據(jù)集，并劃分為訓(xùn)練數(shù)據(jù)集、驗證數(shù)據(jù)集、測試數(shù)據(jù)集；采用分段聚合近似PAA?S算法對數(shù)據(jù)進(jìn)行分段聚合近似，把長序列映射為短序列，使短序列數(shù)據(jù)與原始長序列數(shù)據(jù)趨勢相似；將短序列數(shù)據(jù)加入位置編碼，保留原始數(shù)據(jù)的時序特征，再轉(zhuǎn)換為二維圖像數(shù)據(jù)；構(gòu)建基于遷移學(xué)習(xí)的ResNet18預(yù)訓(xùn)練模型，進(jìn)行訓(xùn)練并測試模型性能，最終實現(xiàn)對用電器的分類識別。本發(fā)明解決了現(xiàn)有技術(shù)中存在的單參量用電設(shè)備的識別問題、避免長序列數(shù)據(jù)間的依賴，提高模型的泛化能力和用電設(shè)備的監(jiān)測和分類效率。

本發(fā)明授權(quán)基于圖編碼和遷移學(xué)習(xí)的非侵入式負(fù)荷識別方法在權(quán)利要求書中公布了：1.基于圖編碼和遷移學(xué)習(xí)的非侵入式負(fù)荷識別方法，其特征在于，具體按照以下步驟實施： 步驟1、采集不同家用設(shè)備的錄波數(shù)據(jù)，構(gòu)成原始數(shù)據(jù)集，并將其按照7：2：1的比例劃分為訓(xùn)練數(shù)據(jù)集、驗證數(shù)據(jù)集、測試數(shù)據(jù)集； 步驟2、采用分段聚合近似PAA-S算法對步驟1中原始數(shù)據(jù)集中數(shù)據(jù)進(jìn)行分段聚合近似，把長序列映射為短序列，使短序列數(shù)據(jù)與原始長序列數(shù)據(jù)趨勢相似； 所述步驟2具體按照以下步驟實施： 假設(shè)所述步驟1中的錄波數(shù)據(jù)是長度為的短序列數(shù)據(jù)，將該短序列數(shù)據(jù)分為段，每段的長度為： （1） 接著對于每個段定義一個長度為的向量，表示第段的數(shù)據(jù)，對向量應(yīng)用PAA-S算法，得到一個新值，即通過簡單的線性回歸擬合一個直線模型，表示該線性段的趨勢，得到斜率和截距，其中斜率和截距計算公式如下： （2） （3） 其中和分別是第段的最后一個點和第一個點的值，和分別是第段起始到結(jié)束對應(yīng)的時間；和表示第段短序列的起點， 對于第段，線性模型表示為： （4） 其中，表示該段內(nèi)所有數(shù)據(jù)點的均值，表示時間點，將每個段的所有數(shù)據(jù)點視作，則序列，其中表示該段內(nèi)所有數(shù)據(jù)點的均值，經(jīng)過重采樣后，得到輸出序列，則序列，其中為重采樣后所有數(shù)據(jù)點的均值，其中為輸出序列的長度，重采樣的計算公式如下： （5） 其中代表輸出序列中的索引位置，表示時間序列的總長度； 步驟3、將步驟2中的短序列數(shù)據(jù)加入位置編碼，保留原始數(shù)據(jù)的時序特征，再轉(zhuǎn)換為二維圖像數(shù)據(jù)； 步驟4、構(gòu)建基于遷移學(xué)習(xí)的ResNet18預(yù)訓(xùn)練模型，將步驟3中加入位置編碼的二維數(shù)據(jù)導(dǎo)入基于遷移學(xué)習(xí)的ResNet18預(yù)訓(xùn)練模型，進(jìn)行訓(xùn)練并測試模型性能，最終實現(xiàn)對用電器的分類識別。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安理工大學(xué)，其通訊地址為：710048 陜西省西安市碑林區(qū)金花南路5號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。