青岛他坦科技服务有限公司;国网河南省电力公司经济技术研究院;华中科技大学;华北电力大学王世谦获国家专利权
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！
龙图腾网获悉青岛他坦科技服务有限公司;国网河南省电力公司经济技术研究院;华中科技大学;华北电力大学申请的专利基于多尺度残差神经网络的序列映射负荷辨识分解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：CN119578264B 。
龙图腾网通过国家知识产权局官网在2025-07-04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：202510138615.9，技术领域涉及：G06F30/27；该发明授权基于多尺度残差神经网络的序列映射负荷辨识分解方法是由王世谦;张永斌;鞠立伟;张艺涵;方家琨;邓方钊;艾小猛;胡玉生;蒋小亮设计研发完成，并于2025-02-08向国家知识产权局提交的专利申请。
本基于多尺度残差神经网络的序列映射负荷辨识分解方法在说明书摘要公布了：本发明涉及负荷辨识技术领域，具体涉及一种基于多尺度残差神经网络的序列映射负荷辨识分解方法，包括，构建负荷辨识模型，负荷辨识模型的网络结构是基于膨胀卷积的多尺度残差网络；获取公开数据集中的聚合功率数据集和电器级功率数据集，对聚合功率数据集和电器级功率数据集进行预处理，得到预处理后的训练集和测试集；利用预处理后的训练集和测试集，对负荷辨识模型进行训练和测试，得到训练好的负荷辨识模型。本发明通过构建基于膨胀卷积的多尺度残差网络的负荷辨识模型，可以更有针对性地学习混合数据特征，提升负荷辨识模型的负荷辨识效果。
本发明授权基于多尺度残差神经网络的序列映射负荷辨识分解方法在权利要求书中公布了：1.一种基于多尺度残差神经网络的序列映射负荷辨识分解方法，其特征在于，包括以下步骤： 构建负荷辨识模型，所述负荷辨识模型的网络结构是基于膨胀卷积的多尺度残差网络； 获取公开数据集中的聚合功率数据集和电器级功率数据集，对所述聚合功率数据集和电器级功率数据集进行预处理，得到预处理后的训练集和测试集； 利用所述预处理后的训练集和测试集，对所述负荷辨识模型进行训练和测试，得到训练好的负荷辨识模型； 所述基于膨胀卷积的多尺度残差网络包括：膨胀卷积残差块； 所述膨胀卷积残差块的输入依次通过两个卷积层及其对应的归一化层、丢弃层和非线性激活函数；然后，原始输入通过快捷连接与时间输出相加，形成所述膨胀卷积残差块的最终输出；其中，膨胀卷积残差块中的两个卷积层共享相同的膨胀率； 所述膨胀卷积残差块的感受野的计算公式为： 式中，S表示膨胀卷积残差块的感受野，N表示膨胀卷积的个数，n表示膨胀卷积的网络层数，k表示卷积核大小。
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青岛他坦科技服务有限公司;国网河南省电力公司经济技术研究院;华中科技大学;华北电力大学，其通讯地址为：266000 山东省青岛市即墨区青岛国际海洋传感器研究院310-312室；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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号