安徽理工大学周孟然获国家专利权
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！
龙图腾网获悉安徽理工大学申请的专利基于CEEMDAN和FastICA的非侵入式负荷分解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：CN116484200B 。
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：202310443026.2，技术领域涉及：G06F18/2113；该发明授权基于CEEMDAN和FastICA的非侵入式负荷分解方法是由周孟然;朱梓伟;胡锋;姚小康;汪锟;刘宇设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。
本基于CEEMDAN和FastICA的非侵入式负荷分解方法在说明书摘要公布了：本发明公开了一种基于CEEMDAN和FastICA的非侵入式负荷分解方法，属于负荷监测技术领域，该方法包括：S1采集总负荷和各类单负荷有功功率并预处理；S2构建完全自适应噪声集合经验模态分解CEEMDAN模型，对总负荷功率分解；S3基于Bayesian信息准则估计源数；S4利用最大信息系数MIC进行降维；S5利用FastICA盲源分离，实现负荷分解；S6对分解信号和源信号近似程度进行评估。本发明从信号盲源分离角度实现负荷分解，减少了繁琐的负荷信息特征提取，分解得到完整的负荷信息。同时，相对于深度学习，大大减少了模型训练时间。
本发明授权基于CEEMDAN和FastICA的非侵入式负荷分解方法在权利要求书中公布了：1.一种基于CEEMDAN和FastICA的非侵入式负荷分解方法，其特征在于，该方法包括以下步骤： S1、采集一段时间内的总负荷和各类单负荷的有功功率，利用宽度为w，步长为l的滑动窗口进行功率数据提取； S2、设计完全自适应噪声集合经验模态分解CEEMDAN模型，对总负荷有功功率进行分解，得到一系列模态分量IMF； S3、计算信号矩阵的协方差矩阵，并对该协方差矩阵进行奇异值分解，最后使用Bayesian信息准则选择源数m； S4、采用最大信息系数MIC方法分析各IMF模态分量与原始信号的相关性程度，从中选择得分较高的IMF分量； S5、将选择的信号分量作为FastICA的输入，分解出完整的各负荷功率信号，实现负荷分解； S6、对分解信号与源负荷功率信号近似程度进行评估。
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安徽理工大学，其通讯地址为：232000 安徽省淮南市山南新区泰丰大街168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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励