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！

龙图腾网获悉华南理工大学申请的专利一种基于特征融合与可解释增强的负荷识别方法及装置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：CN117077076B 。

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：202310968753.0，技术领域涉及：G06F18/25；该发明授权一种基于特征融合与可解释增强的负荷识别方法及装置是由刘熙鹏;余涛;蔡清淮;罗庆全设计研发完成，并于2023-08-02向国家知识产权局提交的专利申请。

本一种基于特征融合与可解释增强的负荷识别方法及装置在说明书摘要公布了：本发明公开了一种基于特征融合与可解释增强的负荷识别方法及装置，属于负荷识别领域。其中方法包括：对负荷高、低频电器数据进行采集；利用采集的高、低频数据提取负荷多尺度特征；将生成的负荷样本特征输入特征融合与负荷辨识模型进行深层特征提取、融合和负荷分类，并采用度量学习的方式进行训练；对识别结果进行可解释分析，将分析结果结合专家先验知识指导特征增强和模型优化，并对模型识别依据进行可视化验证；获取待识别的负荷，对待识别的负荷进行特征提取，将提取的特征输入训练后的特征融合与负荷辨识模型，输出分类结果。本发明具有较高的识别鲁棒性、泛化性和可靠性，具有较好的实际应用价值。

本发明授权一种基于特征融合与可解释增强的负荷识别方法及装置在权利要求书中公布了：1.一种基于特征融合与可解释增强的负荷识别方法，其特征在于，包括以下步骤： 采集负荷接入后的高频电压、电流信号和低频有功功率、无功功率信号； 根据采集获得的负荷高频波形提取短期特征，根据负荷低频功率数据获取长期特征； 根据长期特征和短期特征构建负荷特征数据集，根据负荷特征数据集获取训练集、验证集和测试集； 将训练集输入特征融合与负荷辨识模型进行深层特征提取、融合和负荷分类，输出分类结果；其中，采用度量学习的方式进行训练； 采用可解释分析方法对分类结果进行分析，将分析结果结合预设的先验知识指导特征优化模型，以完成特征融合与负荷辨识模型的训练； 获取待识别的负荷，对待识别的负荷进行特征提取，将提取的特征输入训练后的特征融合与负荷辨识模型，输出分类结果； 所述短期特征为VI轨迹图像特征，所述根据采集获得的负荷高频波形提取短期特征，包括： 对于负荷提取的n个周期的电压、电流波形数据U1,U2,…Un和I1,I2,…In，分别进行标幺化处理： 式中，为标幺化后的第k个电压、电流周波序列；Uk、Ik为标幺化前的第k个电压、电流周波序列；为第k个周波内电压、电流的最大值； 利用标幺化后的电压、电流波形序列构建VI轨迹图像特征； 所述VI轨迹图像特征分为R、G、B三个通道，各通道的填充方式为：以分辨率m构建m×m的零矩阵M，将归一化后的电压、电流乘以分辨率m后四舍五入取整，以电流值为行，以电压值为列，对矩阵M的相应位置进行填充； R通道的填充值为按波形幅值归一化的瞬时功率，计算公式如下： 式中，Rmn为矩阵M第m行n列位置的功率值，N为该矩阵位置拥有的采样点数，Pi为第i个采样点的瞬时功率，Pmax,Pmin为一个周波内瞬时功率的最大值、最小值； G通道的填充值为按负荷水平归一化的瞬时功率； B通道的填充值为电压与电流变化率的比值，计算公式如下： 将R、G、B三通道矩阵组合后，即形成该周波所对应的三通道彩色VI轨迹图像矩阵Ck；为减少单个周波因采样噪声或电网波动原因造成VI轨迹的畸变，将采样得到的n个周波生成的VI轨迹图像矩阵平均后作为最终的VI轨迹图像特征C，即： 其中，n为周期数。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。