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！

龙图腾网获悉山东大学申请的专利一种基于合成训练集的高精度低频NILM神经网络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：CN116451744B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202310383900.8，技术领域涉及：G06N3/0464；该发明授权一种基于合成训练集的高精度低频NILM神经网络方法是由范继辉;谢雯静;李可;罗乃川;闫建法;徐通通设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本一种基于合成训练集的高精度低频NILM神经网络方法在说明书摘要公布了：本发明涉及一种基于合成训练集的高精度低频NILM神经网络方法，属于电力系统大数据分析技术领域。包括数据预处理；特征数据提取；合成训练集：用特征数据重构数据集，增加特征密度；轻量级CNN‑seq2point网络训练；分解输出；误差分析；优化：根据误差分析结果调整合成训练集成分或网络参数，增加预测准确度，优化预测结果。本发明对输入的测量数据进行负荷特征提取，通过引入统计学分析方法，利用所提取特征重构数据集，增加了小样本、低密度器件的特征密度；同时，引入误差分析的方法，快速对预测结果进行二级优化，使预测结果更佳精确，在非侵入式负荷分解领域性能显著，抗干扰性强、精确度高。

本发明授权一种基于合成训练集的高精度低频NILM神经网络方法在权利要求书中公布了：1.一种基于合成训练集的高精度低频NILM神经网络方法，其特征在于，包括如下步骤： 步骤1、数据预处理：收集总线功率和各个电器功率数据，并进行数据补齐和标签制作； 步骤2、特征数据提取：将步骤1预处理后得到的数据，应用阈值判定方法和统计学计算公式，提取和计算特征数据； 步骤3、合成数据集：将步骤2得到的特征数据，依据统计学方法重构数据集； 步骤4、轻量级CNN-Seq2point神经网络训练：将步骤3合成得到的数据集，总线功率作为输入，某一用电器功率作为真值计算损失函数，使用轻量级CNN-Seq2point模型结构训练得到该用电器的网络模型参数model； 步骤5、分解输出：将步骤4训练得到的model，加载到轻量级CNN-Seq2point网络，将测试集中的总线功率数据送入轻量级CNN-Seq2point网络，网络所属用电器数据作为真值，则输出该网络模型所属用电器的功率预测数据以及预测准确度，此为初步预测结果； 步骤6、误差分析：将步骤5得到的预测结果与同一用电器同时间戳的真值数据做误差计算，同时对该用电器及工作状态与其相似的用电器进行重叠度分析，根据误差计算结果和重叠度分析结果统计若干四格表，依据四格表判断相似用电器对该用电器的影响程度和影响位置； 步骤7、优化初步预测结果：根据步骤6误差分析的判断，调整步骤3中的合成数据集成分，再重复步骤4、5，直到得到满意的训练和预测结果； 步骤2中，特征数据包括脉冲本征分布和器件依赖关系分布概率； 其中，所述“脉冲”与“间隔”，指在规定的阈值下扫描指定功率序列：高于阈值的功率片段记为脉冲序列{Puln}＝[Pul1,Pul2,...,Puln]，n表示提取出来的脉冲或间隔片段的总数；低于阈值的功率片段记为间隔序列{Intn}＝[Int1,Int2,...,Intn]； 所述脉冲本征分布，即器件密度，表征器件自身工作的密度，指器件的脉冲总时间Tpul占其功率序列总时间Ttotal的比例 对A类器件和B类器件做如下定义： 定义α30％为高密度器件，即A类器件，α≤30％为低密度器件，即B类器件； 所述器件依赖关系分布概率γ，表征控制B类器件“开”状态密度指数，依据器件依赖关系分布矩阵，找到B类器件最大依赖βmax，同时计算依赖标准差βsd作为悲观误差估计值，则γ＝βmax±βsd； 其中，p为第p个B类器件，q为A类器件总数； 步骤3中合成数据集的过程如下： 根据预处理后功率序列的一般长度确定合成序列的长度L，生成长度为L的一组零值序列Z； 对于A类器件，等概率向Z中插入器件Ax的{PulAn}和{IntAn}，即PilAk与IntAk交替插入，其中，PilAk和IntAk均从{PilAn}和{IntAn}中随机选取；若最后插入的序列使合成序列总长度超过了L，则对最后一个序列进行截断后再插入； 对于B类器件，根据器件依赖关系分布概率γ重构序列Z，具体包括：随机生成概率数Px，若Pxγ，则插入1个0值；Px≤γ，则插入一个脉冲序列PulBk，其中PulBk也在{PulBn}中随机选取；同样，若最后插入的序列使合成序列总长度超过了L，则对最后一个序列进行截断后再插入。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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”。