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：浙江工业大学
摘要：本发明属于非侵入式负荷识别领域，公开了一种基于线性复杂度自注意力机制的非侵入式负荷识别方法，所述方法包括以下步骤：步骤1：使用电流传感器采集实验室中目标电器的运行数据，用于建立模型的数据集；步骤2：基于深度学习构建线性复杂度自注意力机制的非侵入式负荷识别PTPNet模型架构；步骤3：用采集到的数据集和公开数据集UK‑DALE进行训练、验证和测试；本发明所提出的方法，在非侵入式负荷监测（NILM）领域中，以其创新的UFO模块显著提升了模型性能，尤其在处理高功率负荷事件方面具有出色的表现。
主权项：1.一种基于线性复杂度自注意力机制的非侵入式负荷识别方法，其特征在于，包括以下步骤：步骤1，对公开数据集UK-DALE进行数据预处理，根据公开数据集UK-DALE的长度将数据集分为训练集、验证集和测试集；步骤2，构建基于线性复杂度自注意力机制的非侵入式负荷识别PTPNet模型，非侵入式负荷识别PTPNet模型包括输入层、UFO中间层、临时池化层、输出层，输入层包括卷积处理、归一化处理、失活处理和池化处理，UFO层包括归一化处理、UFO模型处理和卷积处理，临时池化层包括池化处理、卷积处理、批量归一化处理和失活处理，输出层包括一维反卷积、批量归一化处理和一维卷积处理；步骤3，将训练集、验证集和测试集放到非侵入式负荷识别PTPNet模型中进行迭代的模型训练，得到识别结果最好的非侵入式负荷识别PTPNet模型；步骤4，将识别结果最好的模型用于非侵入式负荷事件识别，识别电器类型。
全文数据：
权利要求：
百度查询： 浙江工业大学 基于线性复杂度自注意力机制的非侵入式负荷识别方法
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