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！

龙图腾网获悉浙江万里学院申请的专利适合少样本电器的负荷状态推导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：CN116226738B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310135496.2，技术领域涉及：G06F18/241；该发明授权适合少样本电器的负荷状态推导方法是由袁杰;王仁芳;邱虹设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本适合少样本电器的负荷状态推导方法在说明书摘要公布了：本发明公开的适合少样本电器的负荷状态推导方法，采用原始电流、有功功率和无功功率以及各自相对变化量作为输入特征，并采用结合注意力机制的LSTM网络进行单电器状态分类，保证了初步分解的准确性，并采用带权重的偏向小样本的分类再投票机制得到单电器的最终负荷状态，进一步提高了非待机状态的分类准确性。本发明方法能根据总电表的电流、有功功率和无功功率准确推导得出各电器的负荷状态，特别适合于小样本电器负荷状态的推导，以利于后续的进一步处理，为进一步应用奠定基础。此外，由于基于1分钟采样一次的低频非侵入式信号处理技术，本发明方法无需对电表进行硬件改造，极大地节约了成本，具有广阔的应用和推广前景。

本发明授权适合少样本电器的负荷状态推导方法在权利要求书中公布了：1.适合少样本电器的负荷状态推导方法，其特征在于，包括以下步骤： 1收集各单电器的电流、有功功率和无功功率的训练数据，对各单电器的电流、有功功率和无功功率进行聚类，得到单电器的工作状态集； 2收集总电表的电流、有功功率和无功功率的训练数据，对总电表的电流、有功功率和无功功率进行聚类，得到总电路的工作状态集； 3构造每个单电器的训练数据集，精简占支配地位的电器状态对应的数据，得到预处理后的训练数据； 4构造状态分类深度神经网络，采用预处理后的训练数据对状态分类深度神经网络进行训练，得到单电器工作状态分类模型； 步骤4的具体过程为： 4.1构造由两层LSTM网络、LSTM网络注意力层、全连接层、全连接层、分类层顺序堆叠而成的状态分类深度神经网络； 4.2对于预处理后的每条训练数据，取总电表时刻t的电流it、有功功率pt和无功功率qt作为第一部分特征； 4.3从时刻t‑1起向前遍历，直到找到第一个与总电路时刻t的工作状态不一致的时刻，记为时刻t‑k，并将总电表时刻t‑k的电流、有功功率和无功功率分别记为it‑k,pt‑k,qt‑k，计算总电表时刻t和时刻t‑k的电流、有功功率和无功功率的相对变化量it‑it‑k,pt‑pt‑k,qt‑qt‑k作为第二部分特征； 4.4将第一部分特征与第二部分特征合并为输入特征，送入状态分类深度神经网络中进行训练，得到单电器工作状态分类模型； 5计算不同总电路工作状态下各单电器不同工作状态的主类平均分布概率； 步骤5的具体过程为： 5.1对于训练数据中每个总电路的工作状态段如工作状态段对应的某个单电器E的工作状态的类别为而单电器E在工作状态段对应的时间段的每个时间点用单电器工作状态分类模型分类为状态的样本数为将工作状态段所含样本数记为则工作状态段对应的单电器E的主类分布概率的计算式为： 5.2计算单电器E在总电路的工作状态段的主类平均分布概率5.3计算单电器E在总电路的其他不同工作状态段的主类平均分布概率及其他单电器在总电路的不同工作状态段的主类平均分布概率； 6采集总电表工作时的电流、有功功率和无功功率，并将采集的数据送入单电器工作状态分类模型，对各单电器的工作状态进行分类； 7比较总电路不同时刻的工作状态，根据总电路的工作状态和各单电器不同工作状态的主类平均分布概率对各单电器的工作状态进行偏向小样本状态类的状态修正，得到优化后的工作状态类别，即为各单电器的负荷状态。

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浙江万里学院，其通讯地址为：315100 浙江省宁波市鄞州区钱湖南路8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”。

以上内容由龙图腾AI智能生成。