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！

龙图腾网获悉合肥工业大学申请的专利基于深度学习注意力机制的负荷分解方法和系统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：CN115659148B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202211419435.0，技术领域涉及：G06F18/10；该发明授权基于深度学习注意力机制的负荷分解方法和系统是由周开乐;张志越;陈鸣飞设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本基于深度学习注意力机制的负荷分解方法和系统在说明书摘要公布了：本发明提供一种基于深度学习注意力机制的负荷分解方法和系统，涉及负荷监测技术领域。本发明通过预先构建的TransUNet‑NILM模型对总功率信号进行处理，得到高分辨率数据，该模型在U‑Net架构中将Transformer的自注意力机制引入并作为编码器，该模型包括下采样块、Transformer块和上采样块，该模型的构建过程中通过上采样块对输入序列进行解码，得到多尺度特征，并对多尺度特征进行裁剪，得到子序列。本发明提出的一种序列到子序列方法，在seq2seq和seq2point之间进行权衡，以平衡解决深度神经中的收敛困难，使训练更容易，并减少了推理期间的计算量。

本发明授权基于深度学习注意力机制的负荷分解方法和系统在权利要求书中公布了：1.一种基于深度学习注意力机制的负荷分解方法，其特征在于，所述负荷分解方法通过预先构建的TransUNet-NILM模型对总功率信号进行处理，得到高分辨率数据，所述TransUNet-NILM模型在U-Net架构中将Transformer的自注意力机制引入并作为编码器，该模型包括下采样块、Transformer块和上采样块，所述TransUNet-NILM模型的构建过程包括： S1、获取带真实标签的总功率信号，对所述总功率信号进行处理，得到训练集； S2、通过下采样块对训练集进行特征提取，得到嵌入矩阵； S3、通过Transformer块对嵌入矩阵进行编码，得到输入序列； S4、通过上采样块对输入序列进行解码，得到多尺度特征，并对多尺度特征进行裁剪，得到子序列，子序列通过输出层，得到高分辨率数据； S5、使用真实标签和高分辨率数据均绝对值误差作为优化目标，优化TransUNet-NILM模型； 其中，所述上采样块从输入到输出依次包括：反卷积层、卷积层、窗口裁剪层和输出层； 所述通过上采样块对输入序列进行解码，得到多尺度特征，并对多尺度特征进行裁剪，得到子序列，子序列通过输出层，得到高分辨率数据，包括： S401、通过使用多个上采样块，其中每个上采样块包括一个一维反卷积和一个卷积层，编码输入至上采样块时先通过反卷积层，将下采样块得到的高级别特征与上采样块中的多个卷积层卷积得到的高分辨率特征拼接，得到一个多尺度特征； S402、通过子窗口裁剪层对多尺度特征进行裁剪，得到子序列； S403、重复步骤S401～S402，子序列最终输入至输出层，所述输出层包括一个卷积层和MLP。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。