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！

龙图腾网获悉国网上海市电力公司;上海电力大学;华东电力试验研究院有限公司申请的专利一种基于inception神经网络的负荷分解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：CN115687440B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202110847165.2，技术领域涉及：G06F16/2458；该发明授权一种基于inception神经网络的负荷分解方法是由王皓靖;李安;田英杰;杨秀;苏运;李凡;吴裔;孙改平;郭乃网;吴吉海;傅广努;张健菲;赵莹莹;阮静娴;时珊珊;金妍斐;陈琰;杜习周;冯以恒;王弘毅;吴子敬;潘瑞媛;蒋倩设计研发完成，并于2021-07-27向国家知识产权局提交的专利申请。

本一种基于inception神经网络的负荷分解方法在说明书摘要公布了：本发明涉及一种基于inception神经网络的负荷分解方法，包括：获取若干用电设备的参考负荷数据，所述的参考负荷数据包括所有用电设备的参考总能耗数据以及对应时间段的参考气象数据，将参考负荷数据输入训练好的inception神经网络，获得负荷分解结果，所述的负荷分解结果包括各个用电设备的工作状态类型以及对应的有功功率估计值，根据负荷分解结果分析所有用电设备的能耗情况及用电规律。与现有技术相比，本发明提高了总能耗分解的准确率和精度。

本发明授权一种基于inception神经网络的负荷分解方法在权利要求书中公布了：1.一种基于inception神经网络的负荷分解方法，其特征在于，包括： 获取若干用电设备的参考负荷数据，所述的参考负荷数据包括所有用电设备的参考总能耗数据以及对应时间段的参考气象数据，将参考负荷数据输入训练好的inception神经网络，获得负荷分解结果，所述的负荷分解结果包括各个用电设备的工作状态类型以及对应的有功功率估计值，根据负荷分解结果分析所有用电设备的能耗情况及用电规律； 所述的inception神经网络的训练过程包括： 1）获取所有用电设备的历史总能耗数据和历史计量时序数据，以及对应时间段的历史气象数据； 2）进行数据预处理； 3）根据所有用电设备的历史计量时序数据，结合滑动窗算法和高斯混合模型聚类算法获取用电设备关于有功功率的工作状态分类结果； 4）所述的历史总能耗数据、历史计量时序数据、工作状态分类结果以及对应时间段的历史气象数据构成训练集，利用训练集inception神经网络； 步骤3）包括： 31）根据用电设备的历史计量时序数据，通过滑动窗算法获取用电设备的启动时刻以及停止时刻； 32）根据历史计量时序数据，提取用电设备在启动时刻和停止时刻之间的有功功率波形，所有用电设备的有功功率波形构成波形数据集； 33）根据波形数据集，通过高斯混合模型聚类算法对用电设备的工作状态进行聚类，获取用电设备关于有功功率的工作状态分类结果； 步骤31）包括： 建立数据缓冲区，依次存放N个计量数据，每采进一个计量数据，则删除最早存入的一个计量数据； 计算t时刻的工作状态特征，计算公式为： 其中，和分别为数据缓冲区中N个计量数据的平均值和方差； 当满足且时，判定用电设备启动，开始记录用电设备的有功功率波形，其中、和为设定值，且； 当再次满足时，判定用电设备停止，停止记录用电设备的有功功率波形； 步骤33）包括： 根据波形数据集对高斯混合模型中的参数、和 进行迭代计算，直至收敛或达到最大迭代轮数，迭代计算公式为： 其中，为后验分布概率，表示第j个用电设备的有功功率波形，计算公式为： 其中，和分别为第i个高斯混合成分的均值向量和协方差矩阵，为混合系数，满足且，为高斯混合成分个数，即聚类中心数，为高斯混合模型的第i个概率分布模型； 迭代计算完成后高斯混合模型将波形数据集划分为K类簇，每类簇标记按下式确定： 为每类簇对应设置一种工作状态类型标签，从而获得用电设备关于有功功率的工作状态分类结果。

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上海市电力公司;上海电力大学;华东电力试验研究院有限公司，其通讯地址为：200122 上海市浦东新区自由贸易试验区源深路1122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”。