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！

龙图腾网获悉上海电机学院申请的专利一种非侵入式负荷识别方法、装置及存储介质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：CN115293317B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202210932582.1，技术领域涉及：G06N3/006；该发明授权一种非侵入式负荷识别方法、装置及存储介质是由贾云翔;迟长春;赵路尧;黄锋设计研发完成，并于2022-08-04向国家知识产权局提交的专利申请。

本一种非侵入式负荷识别方法、装置及存储介质在说明书摘要公布了：本发明涉及一种基于优化卷积神经网络的非侵入式负荷识别方法、装置及存储介质，其中方法包括：获取电器数据信息；确定V‑I轨迹图；建立优化卷积神经网络负荷分类模型，由优化卷积神经网络构成，优化卷积神经网络中的池化层采用双池化混合通道，通过自学习加权掩膜分配双池化混合通道权重；初始化超参数；对优化卷积神经网络负荷分类模型进行训练；基于粒子群优化算法和训练结果对超参数进行优化；判断误差函数是否收敛，若收敛，则优化完成；若不收敛，则更新超参数，并重新进行超参数优化；将V‑I轨迹图输入优化完成的优化卷积神经网络负荷分类模型，得到电器分类结果。与现有技术相比，本发明具有分类识别性能好等优点。

本发明授权一种非侵入式负荷识别方法、装置及存储介质在权利要求书中公布了：1.一种基于优化卷积神经网络的非侵入式负荷识别方法，其特征在于，包括以下步骤： 获取电器数据信息； 基于电器数据信息确定V-I轨迹图； 建立优化卷积神经网络负荷分类模型，所述优化卷积神经网络负荷分类模型的输入为V-I轨迹图，输出为电器分类结果，由优化卷积神经网络构成，其中，所述优化卷积神经网络包括依次连接的卷积层、池化层、全连接层和softmax层，所述池化层采用双池化混合通道，通过自学习加权掩膜分配双池化混合通道权重；所述双池化混合通道的输出为： 其中，为双池化混合通道输出；为自学习加权掩膜；为最大池化，为平均池化； 初始化优化卷积神经网络负荷分类模型的超参数； 基于训练集数据对优化卷积神经网络负荷分类模型进行训练，得到训练结果，其中，所述训练集数据包括不同电器在不同工作状态下的V-I轨迹图的集合； 基于粒子群优化算法和训练结果对超参数进行优化，其中，所述粒子群优化算法的参数包括惯性权值、学习因子和误差函数； 判断粒子群优化算法的误差函数是否收敛，若误差函数收敛，则输出优化后的超参数，得到优化完成的优化卷积神经网络负荷分类模型；若误差函数不收敛，则更新超参数，并重新进行超参数优化； 将V-I轨迹图输入优化完成的优化卷积神经网络负荷分类模型，得到电器分类结果。

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上海电机学院，其通讯地址为：200240 上海市闵行区江川路690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。