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：河南大学
摘要：本发明提供一种基于全局局部注意力与池化缩放的非侵入式负荷分解方法。该方法提出了一种非侵入式负荷分解网络，其负荷分解过程包括：将负荷数据输入至特征提取模块进行特征提取以生成特征序列，将特征序列输入至第一特征增强模块以进行旋转位置编码并学习特征序列中的全局特征，将全局特征进行池化操作后依次输入至前两个第二特征增强模块以逐层学习特征序列中的局部特征，将局部特征进行上采样操作后和全局特征进行融合，将融合后的特征输入至最后一个第二特征增强模块以得到最终的融合特征；输出模块根据最终的融合特征进行负荷分解。本发明可以有效提取负荷数据序列中的全局和局部特征，从而提升负荷分解的准确率。
主权项：1.一种基于全局局部注意力与池化缩放的非侵入式负荷分解方法，其特征在于，包括：步骤1：构建非侵入式负荷分解网络，包括依次连接的特征提取模块、第一特征增强模块、三个第二特征增强模块和输出模块；其中，在第一特征增强模块和第一个第二特征增强模块之后均进行池化操作；在最后两个第二特征增强模块之间进行上采样操作；对应地，所述非侵入式负荷分解网络的负荷分解过程包括：将负荷数据输入至特征提取模块进行特征提取以生成特征序列，将特征序列输入至所述第一特征增强模块以进行旋转位置编码并学习特征序列中的全局特征，将全局特征进行池化操作后依次输入至前两个所述第二特征增强模块以逐层学习特征序列中的局部特征，将局部特征进行上采样操作后和全局特征进行融合，将融合后的特征输入至最后一个所述第二特征增强模块以得到最终的融合特征；所述输出模块根据最终的融合特征进行负荷分解；步骤2：采用目标类型电器的负荷数据对所述非侵入式负荷分解网络进行训练，得到非侵入式负荷分解模型；步骤3：将目标房间内的负荷数据输入至所述非侵入式负荷分解模型，得到负荷分解结果。
全文数据：
权利要求：
百度查询： 河南大学 一种基于全局局部注意力与池化缩放的非侵入式负荷分解方法
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