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！

龙图腾网获悉国网河南省电力公司营销服务中心申请的专利基于深度学习的楼宇空调负荷监测系统及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：CN119760566B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202411826903.5，技术领域涉及：G06F18/2431；该发明授权基于深度学习的楼宇空调负荷监测系统及方法是由马茗婕;田闽哲;何心铭;付航;张航;陶贺香;苏世杰;郭露方;王泽华设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本基于深度学习的楼宇空调负荷监测系统及方法在说明书摘要公布了：本申请涉及楼宇空调负荷监测技术领域，其具体地公开了一种基于深度学习的楼宇空调负荷监测系统及方法，其在后端引入基于人工智能和深度学习技术的数据处理和分析算法来对楼宇空调的有功功率时序数据和无功功率时序数据进行结合分析，以此来捕获到楼宇空调的有功功率时序特征和无功功率时序特征之间的交互关联关系和融合特征表示信息，从而进行空调负荷模式类型的识别和检测。这样，能够有效克服传统NILM方法中存在的缺陷，通过更为智能化的方式挖掘出楼宇空调无功功率和有功功率之间的时序融合语义来实现空调负荷模式类型辨识，以便适应不同类型空调负荷模式的变化特性，为优化空调系统的运行提供了强有力的支持，助力实现节能减排目标。

本发明授权基于深度学习的楼宇空调负荷监测系统及方法在权利要求书中公布了：1.一种基于深度学习的楼宇空调负荷监测方法，其特征在于，包括： 利用智能电表对被监控楼宇空调进行采样以得到有功功率的时间队列和无功功率的时间队列； 使用奇异谱分解模块对所述有功功率的时间队列和无功功率的时间队列进行时间序列编码以得到多个有功功率时序子序列和多个无功功率时序子序列； 分别对所述多个有功功率时序子序列和所述多个无功功率时序子序列进行时序特征提取以得到有功功率时序多尺度编码特征和无功功率时序多尺度编码特征； 对所述有功功率时序多尺度编码特征和所述无功功率时序多尺度编码特征进行基于语义信息场调制的特征对齐融合处理以得到有功功率-无功功率时序细粒度对齐融合特征，包括：对所述有功功率时序多尺度编码特征和所述无功功率时序多尺度编码特征进行语义信息场计算以得到有功功率-无功功率时序编码特征间细粒度语义信息场；基于所述有功功率-无功功率时序编码特征间细粒度语义信息场，对所述有功功率时序多尺度编码特征和所述无功功率时序多尺度编码特征进行基于场域映射细粒度对齐的特征融合以得到所述有功功率-无功功率时序细粒度对齐融合特征； 基于所述有功功率-无功功率时序细粒度对齐融合特征，确定负荷监测结果，所述负荷监测结果用于表示空调负荷模式类型标签； 对所述有功功率时序多尺度编码特征和所述无功功率时序多尺度编码特征进行语义信息场计算以得到有功功率-无功功率时序编码特征间细粒度语义信息场，包括： 对所述有功功率时序多尺度编码特征向量和所述无功功率时序多尺度编码特征向量进行维度调制以得到调制后有功功率时序多尺度编码特征向量和调制后无功功率时序多尺度编码特征向量； 对所述调制后有功功率时序多尺度编码特征向量和所述调制后无功功率时序多尺度编码特征向量进行细粒度关联编码和语义信息场编码以得到所述有功功率-无功功率时序编码特征间细粒度语义信息场。

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国网河南省电力公司营销服务中心，其通讯地址为：450000 河南省郑州市二七区嵩山南路11号4层；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。