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！

龙图腾网获悉南方电网科学研究院有限责任公司;东北大学;武汉大学申请的专利一种多域态融合特征的非侵入式负荷状态监测系统及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：CN117194949B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202311159614.X，技术领域涉及：G06F18/213；该发明授权一种多域态融合特征的非侵入式负荷状态监测系统及方法是由蒋屹新;马大中;董旭柱;梁志宏;乔渤特;张宇南;杨祎巍;张化光;徐文倩设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本一种多域态融合特征的非侵入式负荷状态监测系统及方法在说明书摘要公布了：本申请公开了一种多域态融合特征的非侵入式负荷状态监测系统及方法，通过采集若干静态数据和若干动态数据，对动态数据进行短时傅里叶变换，以及对静态数据进行域度和形式变换，得到频谱多维矩阵和多维辨识矩阵，并分别输入静态和动态特征提取器，得到潜在特征向量和动态特征向量，对潜在特征向量和动态特征向量进行合并、卷积与加权融合，得到融合特征向量矩阵，将融合特征向量矩阵输入学生网络，得到输出设备及负荷事件，最终发送至云端计算中心。可见，在分析负荷事件时，引入了静态数据，并对静态数据进行了特征提取，以对静态变量因素进行分析，考虑到外在静态变量因素对潜在负荷可能性的事件的影响，保证了负荷事件监测的准确率。

本发明授权一种多域态融合特征的非侵入式负荷状态监测系统及方法在权利要求书中公布了：1.一种多域态融合特征的非侵入式负荷状态监测系统，其特征在于，包括数据采集单元、数据变换单元、特征提取单元、特征融合单元和网络计算单元； 所述数据采集单元，用于采集若干静态数据和若干动态数据； 所述数据变换单元，用于对每一动态数据进行短时傅里叶变换，得到该动态数据的频谱多维矩阵，对每一静态数据进行域度和形式变换，得到各静态数据的多维辨识矩阵； 所述特征提取单元，用于将所述多维辨识矩阵输入预先训练好的静态特征提取器，得到所述静态特征提取器输出的该静态数据的若干潜在特征向量，将每一动态数据的频谱多维矩阵输入预先训练好的动态特征提取模型，得到所述动态特征提取模型输出的该动态数据的动态特征向量； 所述特征融合单元，用于对各潜在特征向量和各动态特征向量进行合并、卷积与加权融合，得到融合特征向量矩阵； 所述网络计算单元，用于将所述融合特征向量矩阵输入预先训练好的学生网络，得到所述学生网络输出的若干负荷设备的设备信息及每一负荷设备发生的负荷事件，通过通讯单元将各负荷设备的设备信息及每一负荷设备发生的负荷事件发送至云端计算中心； 所述数据变换单元对每一动态数据进行短时傅里叶变换，得到该动态数据的频谱多维矩阵，包括： 所述数据变换单元获取每一动态数据的动态数据样本集； 所述数据变换单元通过计算每一动态数据样本集的均方差，确定该动态数据样本集的均方差序列； 所述数据变换单元利用下式确定每一动态数据的频谱： ； 其中，为对该动态数据的动态数据样本集的均方差序列进行短时傅里叶变换得到的均方差倒数数列序列，n为序列索引，为窗函数，为所述窗函数的中心位置，为所述窗函数的相位； 所述数据变换单元利用下式计算每一动态数据的累计均方差： ； 所述数据变换单元利用下式确定每一动态数据的频谱多维矩阵： ； 其中，为符号函数； 所述数据变换单元对每一静态数据进行域度和形式变换，得到各静态数据的多维辨识矩阵，包括： 所述数据变换单元利用下式确定每一静态数据的静态变量概率密度函数： ； 其中，x为该静态数据的变量，为该静态数据服从标准正态分布的静态变量分布概率，，为该静态数据的标准差，为该静态数据的预设静态常数，N为该静态数据在固定时间内采集到的总样本数量； 所述数据变换单元将每一静态数据的静态变量概率密度函数乘以该静态数据的静态变量，得到该静态数据的时序向量； 所述数据变换单元以时间作为矩阵拼接的索引，将各静态数据的时序向量进行矩阵拼接，得到各静态数据的多维辨识矩阵。

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方电网科学研究院有限责任公司;东北大学;武汉大学，其通讯地址为：510663 广东省广州市萝岗区科学城科翔路11号J1栋3、4、5楼及J3栋3楼；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”。