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！

龙图腾网获悉长春工程学院申请的专利基于神经网络模型的非侵入式用电负荷识别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：CN121614844B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610129100.7，技术领域涉及：G06F18/2131；该发明授权基于神经网络模型的非侵入式用电负荷识别方法是由蔡长青;姜春宁;袁浩;曹光宇;孔凡平;吕岩松;沈伯一;彭海超;鞠振河;陈思瑶设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本基于神经网络模型的非侵入式用电负荷识别方法在说明书摘要公布了：本发明涉及负荷识别技术领域，具体涉及基于神经网络模型的非侵入式用电负荷识别方法。方法包括：获取用户用电器不同检测周期内的电流信号；将电流信号输入神经网络中获得特征图；基于各检测周期内的特征图中不同特征通道的灰度分布获得各检测周期内每个特征通道的参数向量；根据各检测周期与其相邻的上一检测周期同一特征通道的参数向量的分布差异获得相对关联系数；根据所有检测周期在单个特征通道的负载检测数据的相对关联系数的整体分布差异和参数向量，评价每个特征通道的通道信息冗余表现，并引入ECA机制，确定特征通道的特征重要性权重，判断负荷运行状态。本发明提高了负荷运行状态识别的准确性。

本发明授权基于神经网络模型的非侵入式用电负荷识别方法在权利要求书中公布了：1.一种基于神经网络模型的非侵入式用电负荷识别方法，其特征在于，该方法包括以下步骤： 获取用户用电器不同检测周期内的电流信号； 将所述电流信号输入神经网络模型中获得特征图；基于各检测周期内的特征图中不同特征通道的灰度分布获得各检测周期内每个特征通道的参数向量；根据各检测周期与其相邻的上一检测周期同一特征通道的参数向量的分布差异，获得各检测周期内每个特征通道的负载检测数据的相对关联系数； 根据所有检测周期在单个特征通道的负载检测数据的相对关联系数的整体分布差异和所述参数向量，评价每个特征通道的通道信息冗余表现； 在神经网络模型中引入ECA机制，利用通道信息冗余表现确定特征通道的特征重要性权重；基于所述特征重要性权重确定负荷运行状态； 所述获得各检测周期内每个特征通道的负载检测数据的相对关联系数，包括： 分别将各周期待分析通道的参考向量中元素的极差记为各周期待分析通道的第一特征值； 计算候选周期与候选周期的上一周期待分析通道的第一特征值之间的第一差异； 根据所述第一差异，获得候选周期待分析通道的负载稳态系数； 计算候选周期待分析通道的参考向量中元素的均值与候选周期的上一周期待分析通道的参考向量中元素的均值之间的第二差异； 计算候选周期待分析通道的负载稳态系数与所述第二差异之间的第二比值； 将所述第二比值的归一化结果确定为候选周期待分析通道的负载检测数据的相对关联系数； 所述候选周期为任一检测周期，所述待分析通道为任一特征通道； 所述评价每个特征通道的通道信息冗余表现，包括： 根据各检测周期待分析通道的负载检测数据的相对关联系数和各检测周期待分析通道的参数向量的模长，得到各检测周期待分析通道的负载影响因子； 根据各检测周期待分析通道的负载影响因子与所有检测周期待分析通道的负载影响因子的平均值之间的差异，得到待分析通道的通道信息冗余表现； 所述根据所述第一差异，获得候选周期待分析通道的负载稳态系数，包括： 获取所有周期待分析通道的第一特征值的最大值； 计算所述第一差异与所述最大值之间的第一比值，将所述第一比值的负相关映射结果作为候选周期待分析通道的负载稳态系数。

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长春工程学院，其通讯地址为：130012 吉林省长春市宽平大路395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”。

以上内容由龙图腾AI智能生成。