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！

龙图腾网获悉华北电力大学申请的专利基于负荷照影和负荷搜索的负荷识别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：CN114782703B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202210310477.4，技术领域涉及：G06V10/44；该发明授权基于负荷照影和负荷搜索的负荷识别方法是由齐林海;张杰;王红设计研发完成，并于2022-03-28向国家知识产权局提交的专利申请。

本基于负荷照影和负荷搜索的负荷识别方法在说明书摘要公布了：一种基于负荷照影和负荷搜索的负荷识别方法，属于电力大数据处理技术领域。该方法利用负荷照影技术，将负荷数据转换为负荷图像，增加了负荷数据处理模型的可解释性；通过使用改进VGG16网络来进行图像特征提取，利用局部敏感哈希函数进行图像相似度匹配，实现了负荷图像搜索，完成了负荷图像标签数据集的扩充；利用有标签数据进行残差网络训练，得到了一个负荷分类识别模型。使用该方法避免了传统负荷识别中使用聚类方法精确度差，实用价值低，以及利用无监督方法识别标签数据短缺，模型可解释性差的问题。

本发明授权基于负荷照影和负荷搜索的负荷识别方法在权利要求书中公布了：1.基于负荷照影和负荷搜索的负荷识别方法，其特征在于，采用负荷照影技术和深度学习中的卷积神经网络，通过负荷照影技术将负荷原始数据转化为具有可解释性的负荷特征明显的负荷图像，使用一个能都准确对负荷图像进行搜索的基于改进VGG16网络的图像搜索模型，并使用相似度阈值σ和局部敏感哈希算法进行图像相似度匹配，找到更多的标签数据，最终获得能够对负荷图像进行精准分类的残差网络分类器，该方法的具体步骤如下： 步骤1：使用负荷照影技术将由智能电表采集到的原始负荷数据转化为负荷图像； 步骤2：将所有负荷图像传入基于改进VGG16网络的图像搜索模型，获得负荷图像的特征数据库； 步骤3：根据规则选择X张负荷图像，经过基于改进VGG16网络的图像搜索模型提取特征，根据给定相似度阈值σ和局部敏感哈希算法，比较图像特征相似度，搜索出X类图像，认定为搜索结果，视为有标签数据； 步骤4：将X类图像数据输入残差网络分类器，对分类器进行训练，得到一个年负荷数据残差网络分类器； 改进VGG16神经网络模型有5个卷积块，整个网络只使用3×3的卷积核，池化层均采用2×2的最大池化，最后一个池化层中采用全局最大池化操作来取代原来的普通池化。

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北电力大学，其通讯地址为：102206 北京市昌平区北农路2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。