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！

龙图腾网获悉昀诺能源科技(江苏)有限公司申请的专利基于电表数据的三相负载智能调控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：CN120511680B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202511002046.1，技术领域涉及：H02J3/06；该发明授权基于电表数据的三相负载智能调控方法是由白皞;王强;谭文东设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本基于电表数据的三相负载智能调控方法在说明书摘要公布了：本申请涉及供配电技术领域，尤其涉及一种基于电表数据的三相负载智能调控方法，包括：对三相电流时间序列数据中每一相电流时间序列分别进行经验模态分解，获得多个内在模态函数分量；对每个内在模态函数分量通过快速傅里叶变换得到频域信息，计算功率谱密度并提取峰值得到特征周期集合；设定基础先验周期，并基于不同倍数生成先验周期集合，计算各内在模态函数分量中每个特征周期和先验周期集合中每个先验周期的匹配置信度并构建对应的归一化特征周期矩阵；构建全局周期置信度向量；将全局周期置信度向量作为长短期记忆网络的输入，预测目标信号的变化趋势，从而提升了LSTM模型对负载变化的预测精度，实现了三相负载的智能调控。

本发明授权基于电表数据的三相负载智能调控方法在权利要求书中公布了：1.一种基于电表数据的三相负载智能调控方法，其特征在于，包括以下步骤： 获取三相电流时间序列数据，并对所述三相电流时间序列数据中每一相电流时间序列分别进行经验模态分解，获得多个内在模态函数分量； 对每个内在模态函数分量通过快速傅里叶变换得到频域信息，计算功率谱密度并提取峰值得到特征周期集合； 通过定义先验周期集合，并使用置信度指标评估所述特征周期集合中每个周期与所述先验周期集合的匹配程度，构建归一化特征周期矩阵，包括：设定基础先验周期，并基于不同倍数生成先验周期集合，计算第i个内在模态函数分量中每个特征周期和所述先验周期集合中每个先验周期的匹配置信度，对于所述每个特征周期选择置信度最高的先验周期作为对应的目标匹配周期，并基于所述每个内在模态函数分量，统计构建对应的归一化特征周期矩阵； 融合所述内在模态函数分量的能量权重和所述归一化特征周期矩阵，构建全局周期置信度向量； 基于滑动窗口的周期性特征构造，将所述全局周期置信度向量作为长短期记忆网络的输入，预测目标信号的变化趋势； 基于所述目标信号的变化趋势，对三相负载进行调控； 所述统计构建对应的归一化特征周期矩阵包括：为M个内在模态函数分量构建M×K的特征周期矩阵，初始化所有元素为0；对第i个内在模态函数分量的特征周期集合中每个特征周期得到的先验周期和匹配置信度进行统计；获取所述特征周期矩阵中与所述先验周期对应所述匹配置信度最大的列，并将所述的值设置为最大所述匹配置信度对应的值，并构建对应的周期性特征矩阵；对所述周期性特征矩阵进行归一化处理，得到归一化特征周期矩阵； 所述构建全局周期置信度向量包括：基于能量占比计算所述每个内在模态函数分量的能量权重；基于所述能量权重对所述归一化特征周期矩阵中每个先验周期进行加权求和，得到对应的全局周期置信度向量； 所述基于滑动窗口的周期性特征构造，将所述全局周期置信度向量作为长短期记忆网络的输入，预测目标信号的变化趋势包括：针对每一个时间点tn使用前N个时间点计算对应的全局周期置信度向量，得到对应的时间序列全局周期置信度向量；将所述时间序列全局周期置信度向量作为长短期记忆网络的输入，预测目标信号的变化趋势。

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昀诺能源科技(江苏)有限公司，其通讯地址为：215300 江苏省苏州市昆山市花桥镇金洋路15号B5幢502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”。

以上内容由龙图腾AI智能生成。