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！

龙图腾网获悉东南大学申请的专利基于EMD与AlexNet的非侵入式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：CN115758246B 。

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：202211451964.9，技术领域涉及：G06F18/241；该发明授权基于EMD与AlexNet的非侵入式负荷识别方法是由王立辉;王京;丁宁设计研发完成，并于2022-11-21向国家知识产权局提交的专利申请。

本基于EMD与AlexNet的非侵入式负荷识别方法在说明书摘要公布了：基于EMD与AlexNet的非侵入式负荷识别方法，具有识别准确度高，占用计算空间小等特点。1、对居民用电数据信息进行预处理，提取电器运行电气信息；2、对电器运行的电气信息进行特征提取，利用经验模态分解方法EmpiricalModeDecomposition，EMD方法对采集到的非平稳信号进行处理，提取出电器运行的时间序列信息，其中包括对应时间点下电流、电压、有功功率、功率因数四项数据，形成电器运行的时间序列信息；3、采用神经网络理论，用训练好的AlexNet神经网络，对电器的时间序列信息进行负荷识别；4、采用神经网络算法及非侵入式负荷识别技术，分析汇合电压、电流、有功功率、功率因数等信息，根据电器运行时间序列信息，获得各个支路上电器运行信息。

本发明授权基于EMD与AlexNet的非侵入式负荷识别方法在权利要求书中公布了：1.基于EMD与AlexNet的非侵入式负荷识别方法，具体步骤如下，其特征在于： 1数据采集，采集居民用电数据信息； 2数据预处理，利用EMD方法获得电压、电流、有功功率、功率因数四个维度的时间序列信息； 步骤2中，数据预处理包括EMD经验模态分解,对采集到的非线性信号进行,用于消除采样数据中的干扰； 对于非线性电气信号EMD经验模态步骤网络步骤如下： 步骤1：寻找信号全部极值点，通过三次样条曲线将局部极大值点连成上包络线，将局部极小值点连成下包络线，上、下包络线包含所有的数据点； 步骤2：由上包络和下包络线的平均值，得出若满足IMF的条件，则可认为是的第一个IMF分量； 步骤3：若不符合IMF条件，则将作为原始数据，重复步骤1、步骤2，得到上、下包络的均值，通过计算是否适合IMF分量的必备条件，若不满足，重复如上两步次； 步骤4：将IMF从信号中分离得到：将作为原始信号重复上述三个步骤，循环次，得到第二个IMF分量直到第n个IMF分量； 步骤5：当变成单调函数后，剩余的成为残余分量，所有IMF分量和残余分量之和为原始信号； 3利用AlexNet神经网络处理，针对居民用电数据，采集各类用电数据包括电压、电流、有功功率、功率因数四个维度信息，进行AlexNet神经网络训练和测试； 步骤3中，AlexNet神经网络处理包括以下步骤： AlexNet网络包含5个卷积层Conv，3个最大池化层Maxpooling和3个全连接层dense，卷积层和最大池化层交替排布，不同的卷积层有不同的卷积核，提取低层次特征的能力也不同； AlexNet神经网络中给出其具体的计算公式： 1-1 式中：a为卷积层后的输出结果，其表现为一个四维数组；N表示通道数；n为相邻的卷积核；k为偏差；α和β为自定义值，取值范围0,1，由神经元参数决定，具体根据准确率结果回溯验证决定； 卷积神经网络的运算公式为： N=W-F+2PS+11-2 式中：W为输入神经元的宽和高，宽表示数据维度，高表示数值大小；F为卷积池化和的大小；S为卷积池化的步距；P为padding的步数； 卷积过程描述： 1-3 式中：为第j层的i卷积核的权重；为l层的第j个卷积局部区域；W为卷积核的宽度； 使用bathsize将样本成批送入网络训练，同时使用dropout和加入L2正则化进一步缓解过拟合现象，利用Adam优化器反向传播修正网络参数直至收敛，训练过程中保存最好的训练参数进行测试； 选取绝对平均误差MeanAbsoluteError,MAE、均方根误差RootMeanSquardError，RMSE以及功率分解准确率作为模型评价指标，具体计算方式如下： 1-4 1-5 1-6 式中：表示在t时刻模型目标电器功率的预测值；表示在t时刻目标电器功率的真实值; 4负荷识别，利用训练好的神经网络，对总线中居民用电信息进行分解，得到各个支路上对应各电器的用电信息； 5算法输出，对应的就是检测出的总功率上升沿和下降沿，是由一对负荷事件引起，即分别表示某个设备运行状态的开始和结束。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼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。