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！

龙图腾网获悉苏州市保安服务有限公司申请的专利基于多任务学习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：CN115564046B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202211403044.X，技术领域涉及：G06N3/096；该发明授权基于多任务学习的非侵入式负荷监测方法是由盛凯;傅颖;马浩;贾俊铖设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本基于多任务学习的非侵入式负荷监测方法在说明书摘要公布了：本申请涉及一种基于多任务学习的非侵入式负荷监测方法，属于负荷监测技术领域，该方法包括：将干线中电能数据的N种物理量输入预先训练的多任务学习模型的共享模块，得到不同物理量之间的关联信息；共享模块是将MMoE中门控网络的可训练矩阵与LSTM编码模块结合后建立；将关联信息分别输入多任务学习模型中多个并行的子任务模块，得到每个子任务模块输出的目标设备的相对应物理量；可以解决现有多任务学习模型的模型性能较差的问题；由于不同物理量之间的关联关系较强，且MMoE结合LSTM编码模块和Self‑Attention可以提取更复杂的关联关系，因此可以更加准确地学习不同物理量之间的关联关系。

本发明授权基于多任务学习的非侵入式负荷监测方法在权利要求书中公布了：1.一种基于多任务学习的非侵入式负荷监测方法，其特征在于，所述方法包括： 获取干线中电能数据的N种物理量，所述N为大于1的整数； 将所述N种物理量输入预先训练的多任务学习模型的共享模块，得到共享模块挖掘出的不同物理量之间的关联信息；所述共享模块是将多门专家混合层MMoE中门控网络的可训练矩阵与长短期记忆LSTM编码模块结合后建立； 将所述关联信息分别输入所述多任务学习模型中多个并行的子任务模块，得到每个子任务模块输出的目标设备的相对应物理量，不同子任务模块对应的物理量不同； 所述将所述N种物理量输入多任务学习模型的共享模块，得到共享模块挖掘出的不同物理量之间的关联信息，包括： 通过N个LSTM编码模块分别对N种物理量进行编码，得到每种物理量的特征向量； 对各个特征向量进行拼接操作，得到特征矩阵E； 将预先训练的矩阵Wq和Wk分别与所述特征矩阵E进行叉乘操作得到的矩阵Q和矩阵K； 计算矩阵Q与矩阵K的转置矩阵之间的点积，得到自注意力机制分值； 基于所述自注意力机制分值通过归一化函数得到归一化值； 将所述归一化值与所述N种物理量加权求和后的输出值相乘，得到所述关联信息。

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苏州市保安服务有限公司，其通讯地址为：215000 江苏省苏州市平泷路251号苏州城市生活广场A幢12A02室-12A09室；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”。