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！

龙图腾网获悉东南大学申请的专利一种基于残差全卷积神经网络的非侵入式负荷监测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：CN117172601B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202311142099.4，技术领域涉及：G06Q10/0639；该发明授权一种基于残差全卷积神经网络的非侵入式负荷监测方法是由张远实;钱文妍;胡秦然;陈涛;章飞;冯忆文;李扬设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本一种基于残差全卷积神经网络的非侵入式负荷监测方法在说明书摘要公布了：本发明公开了一种基于残差全卷积神经网络的非侵入式负荷监测方法，首先收集总功率和各个设备的负荷数据，并进行数据预处理操作；再采用自适应滑动窗口的方式，对每个窗口内的时间序列数据进行特征工程抽取，获取相应的特征数据；随后建立残差全卷积神经网络模型、构建损失函数，并对网络参数进行训练：再为目标设备建立功率特征数据库，并将实际激活序列分解值与激活序列特征进行比较，消除网络产生的不相关激活；最后建立评估模型，对输出时间序列的准确性进行评估，完成非侵入式负荷监测。

本发明授权一种基于残差全卷积神经网络的非侵入式负荷监测方法在权利要求书中公布了：1.一种基于残差全卷积神经网络的非侵入式负荷监测方法，其特征在于,包括如下步骤： S1，数据预处理：收集总功率和各个设备的负荷数据，并进行数据预处理操作； S2，数据分段：基于自适应窗口长度的负荷特征提取，利用步骤S1预处理后的数据，采用自适应滑动窗口的方式，对每个窗口内的时间序列数据进行特征工程抽取，获取相应的特征数据；将数据分为训练集与测试集，并输入残差全卷积神经网络；其中，基于自适应窗口长度的滑动窗口方法来分割收集的负载序列，针对不同的负载设置应用不同的采样率和窗口长度；所述窗口长度定义如下： Wi＝[Wbase*f_ti*Ti][fbase*Tbase] 其中，Wi表示为第i类设备计算的窗口长度，Ti为第i类设备的平均工作周期，f_ti为第i类设备的采样频率，Wbase，fbase与Tbase分别表示基窗口长度、基采样频率和基工作周期； S3，建立残差全卷积神经网络模型：所述残差全卷积神经网络模型包括六个残差卷积模块，三个一维卷积层，四个maxpooling层，四个ConvTranspose层，flatten层和一个dense层；每个残差卷积模块由四个一维卷积层组成，其中，每个残差卷积模块中第一个一维卷积层的输入，通过残差连接加入第四个一维卷积层的输出，每个一维卷积层由30个维度为8的卷积核构成且采用ReLU激活函数；将训练集时间，总功耗数据，单个设备功耗数据输入残差全卷积神经网络模块； S4，构建损失函数，并对网络参数进行训练：通过输入测试集总功耗数据，利用步骤S3已建立的残差全卷积神经网络模型，分解出对应的单个电器时间序列数据； S5，后验处理：为目标设备建立功率特征数据库，并将实际激活序列分解值与激活序列特征进行比较，消除网络产生的不相关激活； S6，建立评估模型：对输出时间序列的准确性进行评估。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。