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！

龙图腾网获悉浙江大学申请的专利一种序列到子序列的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：CN117493929B 。

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：202311427451.9，技术领域涉及：G06F18/24；该发明授权一种序列到子序列的非侵入式负荷识别方法、装置及存储介质是由李莹;徐杨;潘晓华;席萌;尹建伟设计研发完成，并于2023-10-31向国家知识产权局提交的专利申请。

本一种序列到子序列的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：本发明公开了一种序列到子序列的非侵入式负荷识别方法、装置及存储介质，包括：1利用公开数据集获取多栋房屋的电力消耗数据，数据处理后得到每栋房屋的总功率消耗数据和对应的每个电器的功率消耗数据，构建训练集；2构建非侵入式负荷识别模型，所述的非侵入式负荷识别模型包含生成器和鉴别器；3利用训练集对非侵入式负荷识别模型进行训练，包括预训练阶段和监督学习阶段；4在应用过程中，将房屋的总功率消耗数据输入训练好的非侵入式负荷识别模型中，得到目标电器的功率消耗数据，从而达到非侵入式监控单个用电器用电量的目的。本发明通过预训练的权重，可以很快的进行微调模型，减少训练时间，提高效率。

本发明授权一种序列到子序列的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：1.一种序列到子序列的非侵入式负荷识别方法，其特征在于，包括以下步骤： 1利用公开数据集获取多栋房屋的电力消耗数据，数据处理后得到每栋房屋的总功率消耗时序数据流和对应的相同时间戳下的每个电器的功率消耗数据流； 2构建非侵入式负荷识别模型，所述的非侵入式负荷识别模型包含生成器和鉴别器； 3利用训练集对非侵入式负荷识别模型进行训练，包括预训练阶段和监督学习阶段； 3-1预训练阶段： 本阶段只需每栋房屋的总功率消耗时序数据；在获得每栋房屋的总功率消耗时序数据流后，整合生成一个连续的数据流；对每栋房屋的数据执行6秒的重采样，对缺失的数据执行向前填充，随后对总功率消耗时序数据进行归一化；获取每栋房屋的总功率消耗时序数据及其对应的时间戳之后，以720为长度、30为步长，对连续的数据流进行切分，从而生成预训练的数据集； 生成器接受时间戳和被掩码的功率时序数据作为输入；掩码规则是：在总功率消耗时序数据的270至450这180个单位长度范围内，按照设定规则进行掩码处理，生成器的目标是尽力恢复这些被掩码的数据； 鉴别器输入是生成器的输出和时间戳；鉴别器的任务是鉴别生成器的输出数据哪部分是经过还原的； 预训练的过程使模型理解整个功率时序数据之间的相互依赖性，并无需依赖特定的用电器标签数据； 3-2监督学习阶段： 本阶段需要每栋房屋的总功率消耗时序数据和对应想要分解的用电器的功率标签；对每栋房屋的数据执行6秒的重采样，对缺失的数据执行向前填充，随后对功率时序数据进行归一化；获取每栋房屋的总功率消耗时序数据及其对应的时间戳之后，然后总功率消耗时序数据以720为长度，目标用电器180为长度，并以30为步长，对数据流进行切分，从而生成监督训练的数据集；总功率中间180时间段的时间戳刚好对应上用电器相同时间戳的标签； 监督学习过程，丢弃生成器，用预训练时的鉴别器的权重对模型进行初始化；鉴别器的输入是被掩码的总功率消耗时序数据，同样的在数据的270到450这180个单位长度按设定规则进行掩码处理；输出是对应的想要识别的用电器； 4在应用过程中，将待识别房屋的总功率消耗时序数据输入训练好的非侵入式负荷识别模型中，得到目标电器的功率消耗数据，从而达到非侵入式监控单个用电器用电量的目的。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。