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！

龙图腾网获悉国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司申请的专利一种分钟级非侵入式负荷分解方法及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：CN115619589B 。

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：202211164490.X，技术领域涉及：G06Q50/06；该发明授权一种分钟级非侵入式负荷分解方法及系统是由滕昌志;缪巍巍;曾锃;夏元轶;张瑞;张明轩;毕思博;李世豪;张震;余益团;蒋承伶;马洲俊设计研发完成，并于2022-09-23向国家知识产权局提交的专利申请。

本一种分钟级非侵入式负荷分解方法及系统在说明书摘要公布了：本发明提供一种分钟级非侵入式负荷分解方法及系统，使用可以并行处理数据且提取全局特征的WaveNet网络和多头自注意力机制，对分钟级功率负荷数据进行特征提取。由于分钟级数据与秒级数据相比，会有功率特征缺失，因此为加强对特征的提取，用WaveNet提取特征的同时，引入多头自注意力机制并行提取特征，将二者提取的特征进行融合，再进行回归，从而提高负荷分解模型训练效率的同时，确保了分钟级非侵入式负荷分解的精度。

本发明授权一种分钟级非侵入式负荷分解方法及系统在权利要求书中公布了：1.一种分钟级非侵入式负荷分解方法，其特征在于，包括以下步骤： 步骤S1：获取分钟级电表总功率序列； 步骤S2：将所述分钟级电表总功率序列输入分钟级非侵入式负荷分解模型，获得目标单电器功率种类序列； 所述分钟级非侵入式负荷分解模型包括特征提取模块和回归模块；所述特征提取模块包括WaveNet网络和多头自注意力机制；所述回归模块包括全连接层； 将所述分钟级电表总功率序列输入分钟级非侵入式负荷分解模型，获得目标单电器功率种类序列，包括： 步骤S21：将所述分钟级电表总功率序列输入WaveNet网络进行特征提取，获得WaveNet特征向量； 步骤S22：用WaveNet提取特征的同时，引入多头自注意力机制对所述分钟级电表总功率序列并行提取特征，获得自注意力特征向量； 步骤S23：对所述WaveNet特征向量和所述自注意力特征向量进行融合，得到融合特征向量； 步骤S24：将融合特征向量输入到全连接层，经全连接层进行回归得到目标单电器功率种类序列，从而实现负荷分解； 所述WaveNet网络包括因果卷积、空洞卷积和残差网络以及tanh和sigmoid的激活函数构成的门控结构； 因果卷积用于对分钟级电表总功率时序数据进行并行单向卷积运算； 所述残差网络包括多个残差块； 所述空洞卷积用于对每个残差块中的输入功率进行特征表示； 所述tanh和sigmoid的激活函数构成的门控结构用于对输入进行有选择性的非线性变换； 步骤S21中，将所述分钟级电表总功率序列输入WaveNet网络进行特征提取，包括： 将分钟级电表总功率序列作为输入，经过因果卷积得到初步的特征表示，然后进入多层残差块做进一步的特征提取； 在每一个残差块中，输入功率首先通过空洞卷积进行特征表示，而后进入tanh激活函数进行非线性的特征变换，得到非线性变换结果，进行非线性的特征变换的同时进入sigmoid激活函数产生选择性输出，最终将非线性变换结果和选择性输出进行哈达玛积；其中选择性输出用于控制非线性变换的程度； 将哈达玛积的结果进行1×1卷积后得到门控结构的输出，门控结构的输出分别和原始的输入通过残差连接进行叠加后进入下一个残差块，并通过另一个残差连接机制作为最终输出的一部分信息； 最终输出部分由多个残差块得到的信息进行求和，然后通过两层1×1的卷积核和Relu激活函数后得到最终功率信息输出，即WaveNet特征向量。

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国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司，其通讯地址为：210002 江苏省南京市北京西路20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”。