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！

龙图腾网获悉中国科学院半导体研究所申请的专利基于无监督深度学习的配电台区设备识别方法及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：CN115526255B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211177803.5，技术领域涉及：G06F18/22；该发明授权基于无监督深度学习的配电台区设备识别方法及装置是由刘昆;陈弘达;唐君;鲁琳设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本基于无监督深度学习的配电台区设备识别方法及装置在说明书摘要公布了：本发明提供一种基于无监督深度学习的配电台区设备识别方法及装置，涉及配电检测技术领域。该方法包括：在配电台区的主变压器二次侧，采集预设时间段内的用电时序数据；基于预设规则提取所述用电时序数据中的变化特征数据；将所述变化特征数据输入预设的卷积神经网络中，提取不同尺度的特征图；将所述特征图传递至预设的检测模块与所述配电台区内的各个用电设备进行匹配，识别与所述用电时序数据相关联的目标用电设备。本发明在不增加额外的设备识别硬件的条件下，尽量利用现有的电压、电流传感器，实现配电台区的设备识别。

本发明授权基于无监督深度学习的配电台区设备识别方法及装置在权利要求书中公布了：1.一种基于无监督深度学习的配电台区设备识别方法，其特征在于，包括： 在配电台区的主变压器二次侧，采集预设时间段内的用电时序数据； 基于预设规则提取所述用电时序数据中的变化特征数据； 将所述变化特征数据输入预设的卷积神经网络中，提取不同尺度的特征图； 将所述特征图传递至预设的检测模块与所述配电台区内的各个用电设备进行匹配，识别与所述用电时序数据相关联的目标用电设备； 所述用电时序数据包括电压时序数据和电流时序数据，所述变化特征数据包括电压变化特征数据和电流变化特征数据；所述基于预设规则提取所述用电时序数据中的变化特征数据包括： 按照所述电压时序数据在时序上发生突变的时间点进行时序分段； 取相邻两个时序分段内电压值的最大差值作为电压变化特征数据； 再将取得该电压最大差值的两点作为起点与终点截取一段时序数据，求取该段时序数据内电流值的最大值与最小值，将该电流差值作为电流变化特征数据； 所述将所述变化特征数据输入预设的卷积神经网络中，提取不同尺度的特征图包括： 将所述变化特征数据经过1次CBL组件处理，然后依次经过Res_1结构块、Res_2结构块和Res_8结构块处理，此时，复制一份输出值并命名为第一输出值； 将所述第一输出值经过Res_8结构块处理，此时，复制一份输出值并命名为第二输出值； 将所述第二输出值经过Res_4结构块处理，此时，复制一份输出值并命名为第三输出值； 将所述第三输出值经过5次CBL组件处理，此时，复制一份输出值并命名为第四输出值，将所述第四输出值经过1次CBL组件和1个卷积层处理，得到第一尺度特征图； 将所述第四输出值经过1次CBL组件和上采样处理，然后与所述第二输出值进行拼接，得到第一拼接值，将所述第一拼接值经过5次CBL组件处理，此时，复制一份输出值并命名为第五输出值，将所述第五输出值经过1次CBL组件和1个卷积层处理，得到第二尺度特征图； 将所述第五输出值经过1次CBL组件和上采样处理，然后与所述第一输出值进行拼接，得到第二拼接值，将所述第二拼接值依次经过5次CBL组件、1次CBL组件和1个卷积层处理，得到第三尺度特征图。

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中国科学院半导体研究所，其通讯地址为：100083 北京市海淀区清华东路甲35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。