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！

龙图腾网获悉河北工业大学申请的专利基于多特征事件分类的非侵入式负荷分解方法及系统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：CN116166992B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310208074.3，技术领域涉及：G06F18/241；该发明授权基于多特征事件分类的非侵入式负荷分解方法及系统是由王宏斌;宋海通;何艺玄;张帅;赵明康;徐桂芝设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本基于多特征事件分类的非侵入式负荷分解方法及系统在说明书摘要公布了：本发明为基于多特征事件分类的非侵入式负荷分解方法及系统，分解方法利用时频域特征对事件进行分类，能够根据事件分类结果，可以确定设备的工作时间段，定位设备工作区间，利用Transformer的自注意力机制忽略设备不运行期间的数据，根据定位好的工作区间，能将注意力集中于目标设备工作区间，能够更好的预测目标设备的运行功率。

本发明授权基于多特征事件分类的非侵入式负荷分解方法及系统在权利要求书中公布了：1.一种基于多特征事件分类的非侵入式负荷分解方法，其特征在于，所述负荷分解方法包括： 步骤1：从已有负荷数据集中获取待研究负荷种类的总功率数据，并确定每种负荷的功率数据真值； 步骤2：对待研究负荷的数据进行预处理，获得处理后的总功率数据和每种负荷的功率数据真值，并对处理后的总功率数据进行事件检测，得到多个负荷的M个状态变化量； 所述事件检测的过程是：设定滑动窗口的长度，对处理后的总功率数据进行滑动窗口处理，一个滑动窗口长度对应一个原始功率序列，采用滑动窗口法分别计算窗口内的均值，并让原始功率序列减去均值序列，获得残差功率序列，使得负荷的事件映射到零点附近，在事件发生时，对于功率特征会产生阶跃性变化的简单负荷来说，比较残差功率的极值和斜率，如果极值和斜率都超过设定的相应阈值，则判断有事件发生；对于过渡时间长的复杂负荷，通过比较窗口内残差功率的过零点个数是否超过过零阈值判断是否有事件发生； 步骤3：构建分类数据集 选出发生事件的原始功率序列及对应的残差功率序列，对发生事件的原始功率序列进行阶梯化处理，阶梯化处理后的原始功率序列，经过FFT处理后，得到与原始功率序列相同长度的幅值序列和相位序列；幅值序列、相位序列、残差功率序列和原始功率序列构成多负荷特征，最后将多负荷特征拼接后作为一个样本，每个样本对应着负荷的状态变化量；以待研究负荷的数据的大量样本与对应的负荷的状态变化量构成分类数据集； 步骤4：利用分类数据集训练CNN网络模型，CNN网络模型的输入为多负荷特征，CNN网络模型的输出节点个数为所有种类负荷的所有状态变化量数量的总和+1；加1表示CNN网络模型对无事件进行判别； 训练后的CNN网络模型用于对检测到的事件序列进行分类，得到各个负荷的开关事件结果； 步骤5：将利用训练后的CNN网络模型获得事件分类的结果，根据事件分类结果对目标负荷的工作区间定位，在处理后的总功率数据中对没有工作的区间进行遮掩屏蔽，利用遮掩后的总功率数据和对应处理后的每个负荷的功率数据真值训练Transformer网络模型； 利用训练后的Transformer网络模型对输入的总负荷进行负荷分解，得到目标设备的功率波形。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院；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。