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！

龙图腾网获悉河海大学申请的专利一种基于KNN结合逻辑回归的非侵入式负荷识别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：CN114943298B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202210620603.6，技术领域涉及：G06F18/2413；该发明授权一种基于KNN结合逻辑回归的非侵入式负荷识别方法是由曹宁;朱浩设计研发完成，并于2022-06-02向国家知识产权局提交的专利申请。

本一种基于KNN结合逻辑回归的非侵入式负荷识别方法在说明书摘要公布了：本发明公开了一种基于KNN结合逻辑回归的非侵入式负荷识别方法，包括：采用非侵入方式采集电器的负荷数据，作为原始负荷数据集；对负荷数据进行数据平滑处理；利用双边累计和对负荷的投切点进行定位，提取负荷数据的稳态特征，并构建特征库；采用KNN算法计算获取到测试样本前两个近邻，从特征库中提取对应的数据作为二次特征库；采用逻辑回归算法，根据二次特征库，对前两个近邻做出最终识别，输出测试样本的类别。本发明利用KNN算法与逻辑回归相结合的识别算法，提高了负荷识别的准确率，并且同时提升了算法的运算效率，解决了识别算法高准确率与高效率难以兼容的问题，有效提升了非侵入式负荷的识别效果。

本发明授权一种基于KNN结合逻辑回归的非侵入式负荷识别方法在权利要求书中公布了：1.一种基于KNN结合逻辑回归的非侵入式负荷识别方法，其特征在于，包括如下步骤： S1：采用非侵入方式采集电器的负荷数据，作为原始负荷数据集； S2：对负荷数据进行数据平滑处理； S3：利用双边累计和对负荷的投切点进行定位，提取负荷数据的稳态特征，并构建特征库； S4：采用KNN算法计算获取到测试样本前两个近邻，从特征库中提取对应的数据作为二次特征库； S5：采用逻辑回归算法，根据二次特征库，对前两个近邻做出最终识别，输出测试样本的类别； 步骤S4中二次特征库的构建方法具体为： B1：计算测试样本到一次稳态特征库中所有数据的欧式距离，计算公式如下： 其中，xtj为测试样本，Xt为其集合；xij为一次特征库中的数据，j为维度，Xi为其集合；dXt,Xi为xtj与一次特征库中数据xij之间的距离集合； B2：对步骤B1中获取的距离集合dXt,Xi中的数据进行降序组合，取前两个数据作为测试样本的近邻； B3：根据测试样本的前两个近邻，从一次特征库中提取出所有与近邻对应的数据和标签，构建二次特征库； 步骤S5具体包括如下过程： C1：设置迭代学习速率α和迭代次数c的初始值； C2：根据sigmoid函数公式fy＝11+ey，得到逻辑回归的分类模型： 其中，ωx＝ω0+ω1x1+…ωixi，而x1,x2,…xi则是二次特征库中的负荷特征，ω0,ω1,…ωi则是分类模型的回归参数； C3：求解模型的回归参数ω0,ω1,…ωi； C4：更新回归参数ωj，公式为 C5：若迭代次数小于初始值c，则重复步骤C4；运用最终的sigmoid公式计算分类概率P1＝gωTx,P2＝1-gωTx，根据分类概率对测试样本的类别进行判别； 步骤C3中回归参数ω0,ω1,…ωi的求解过程为： 确定对数似然函数： 根据对数似然函数求解回归参数： 其中，因为KNN算法只取了每个测试样本的前两个近邻，因此m＝2。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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”。

以上内容由龙图腾AI智能生成。