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！

龙图腾网获悉南京米特科技股份有限公司申请的专利一种智能负荷识别模型的处理方法和装置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：CN118916803B 。

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：202410998469.2，技术领域涉及：G06F18/2431；该发明授权一种智能负荷识别模型的处理方法和装置是由孙延;施佳丰;李权;史蒙云;毛永;俞建华设计研发完成，并于2024-07-24向国家知识产权局提交的专利申请。

本一种智能负荷识别模型的处理方法和装置在说明书摘要公布了：本发明实施例涉及一种智能负荷识别模型的处理方法和装置，所述方法包括：构建智能负荷识别模型；并构建模型数据集；并基于模型数据集对智能负荷识别模型进行模型训练；并在模型训练结束后，接收一段带有电流、功率和温度采样数据的时序序列记为对应的第一输入序列；并将第一采样序列输入智能负荷识别模型进行负荷分类预测处理得到对应的第一预测向量序列。通过本发明可以提高智能负荷识别模型的模型泛化能力。

本发明授权一种智能负荷识别模型的处理方法和装置在权利要求书中公布了：1.一种智能负荷识别模型的处理方法，其特征在于，所述方法包括： 构建智能负荷识别模型； 构建模型数据集； 基于所述模型数据集对所述智能负荷识别模型进行模型训练； 模型训练结束后，接收一段带有电流、功率和温度采样数据的时序序列记为对应的第一输入序列；所述第一输入序列由J个第一序列数据按时间先后排序而成，J为预设的模型序列输入长度；所述第一序列数据包括第一采样时间、第一采样电流、第一采样功率和第一采样温度； 将所述第一输入序列输入所述智能负荷识别模型进行负荷分类预测处理得到对应的第一预测向量序列；所述第一预测向量序列包括J个第一预测向量，所述第一预测向量与所述第一序列数据一一对应；每个所述第一预测向量包括K个第一负荷类型标志，K为预设的负荷类型总数；每个所述第一负荷类型标志的值为0或1；每个所述第一负荷类型标志对应一个负荷类型； 其中，所述智能负荷识别模型包括小波转换模块、第一分类预测模型、第二分类预测模型、第三分类预测模型、加权求和模块和分类输出模块； 所述小波转换模块用于将归一化特征序列DA、DB、DC向对应的第一、第二、第三分类预测模型输出； 所述第一分类预测模型用于将归一化特征序列DA输入第一Bi-LSTM模型，并由所述第一Bi-LSTM模型对所述归一化特征序列DA的时序特征进行提取得到对应的时序特征向量HA；并将所述时序特征向量HA的各个时序特征ha,j分别输入第一MLP网络，并由所述第一MLP网络根据当次输入的所述时序特征ha,j进行负荷分类预测并输出对应的分类向量sa,j；并由得到的所有所述分类向量sa,j按时间先后排序组成一个对应的分类向量序列SA； 所述第二分类预测模型用于将归一化特征序列DB输入第二Bi-LSTM模型，并由所述第二Bi-LSTM模型对所述归一化特征序列DB的时序特征进行提取得到对应的时序特征向量HB；并将所述时序特征向量HB的各个时序特征hb,j分别输入第二MLP网络，并由所述第二MLP网络根据当次输入的所述时序特征hb,j进行负荷分类预测并输出对应的分类向量sb,j；并由得到的所有所述分类向量sb,j按时间先后排序组成一个对应的分类向量序列SB； 所述第三分类预测模型用于将归一化特征序列DC输入第三Bi-LSTM模型，并由所述第三Bi-LSTM模型对所述归一化特征序列DC的时序特征进行提取得到对应的时序特征向量HC；并将所述时序特征向量HC的各个时序特征hc,j分别输入第三MLP网络，并由所述第三MLP网络根据当次输入的所述时序特征hc,j进行负荷分类预测并输出对应的分类向量sc,j；并由得到的所有所述分类向量sc,j按时间先后排序组成一个对应的分类向量序列SC； 所述加权求和模块用于对分类向量序列SA、SB、SC进行加权求和得到对应的加权分类向量序列S。

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南京米特科技股份有限公司，其通讯地址为：210041 江苏省南京市雨花台区兴梅中路寺门口38号102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”。