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！

龙图腾网获悉内蒙古电力(集团)有限责任公司鄂尔多斯供电分公司申请的专利一种基于自监督条件自编码器的非侵入式负荷检测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：CN120974246B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202511510827.1，技术领域涉及：G06F18/24；该发明授权一种基于自监督条件自编码器的非侵入式负荷检测方法是由郭玉成;张月圆;苗建忠;李可可;刘博;杨鹏;高雅楠;郭浩原;高宇康;张金江设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本一种基于自监督条件自编码器的非侵入式负荷检测方法在说明书摘要公布了：本发明提供了一种基于自监督条件自编码器的非侵入式负荷检测方法，首先提取负荷样本的轨迹特征和轨迹图像、并根据轨迹特征训练分类器并进行负荷识别；基于负荷样本集，根据轨迹图像和重构损失函数对预训练模型进行自监督训练获得重构图像集，根据重构图像集和整体损失函数对预训练模型进行优化训练获得检测模型、并基于异常得分对异常用能负荷进行非侵入式检测；整体损失函数基于分类损失函数和学习损失函数构建，分类损失函数采用交叉熵损失构建，学习损失函数采用修正线性操作构建。该方法提升对负荷的表征与后续检测能力、实用高效、泛化性与适用性强，既能保障已知负荷识别精度，又能构建清晰特征边界，适配复杂用电场景下的负荷识别需求。

本发明授权一种基于自监督条件自编码器的非侵入式负荷检测方法在权利要求书中公布了：1.一种基于自监督条件自编码器的非侵入式负荷检测方法，其特征在于，包括： 基于电力系统获取异常用能负荷的非侵入式负荷样本集，所述负荷样本集包括至少一个负荷样本；预设所述负荷样本集的负荷类别集，所述负荷类别集包括至少一个负荷类别； 基于所述负荷样本集分别提取每一个负荷样本的轨迹特征和轨迹图像； 基于所述负荷样本集、根据所述轨迹特征训练分类器并进行负荷识别； 基于所述负荷样本集、根据所述轨迹图像和重构损失函数对预训练模型进行自监督训练获得重构图像集； 根据所述负荷类别集、所述重构图像集和整体损失函数对所述预训练模型进行优化训练获得检测模型； 基于异常得分、采用所述检测模型对所述异常用能负荷进行非侵入式检测； 所述整体损失函数基于分类损失函数和学习损失函数构建； 所述分类损失函数基于所述负荷类别集和所述重构图像集采用交叉熵损失构建； 所述学习损失函数基于所述负荷类别集和所述重构图像集采用修正线性操作构建； 所述预训练模型包括输入转换模块、编码器模块和解码器模块； 所述输入转换模块用于构建初始变换函数，以及基于所述负荷样本集、根据优化变换函数分别对每一个所述轨迹图像进行至少一种图像变换操作获得中间图像集； 所述编码器模块用于构建初始提取函数，以及用于根据优化提取函数提取每一个所述中间图像的特征向量； 所述解码器模块用于构建初始重构函数，以及用于根据优化重构函数对所述特征向量进行重构操作获得重构图像； 获得所述异常得分的步骤为： 计算所述异常用能负荷对应的负荷类别在特征空间的聚类中心； 根据所述聚类中心和所述特征向量计算所述异常用能负荷至每一个聚类中心的欧氏距离； 根据所述欧氏距离取最小值获得所述异常用能负荷的异常得分。

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内蒙古电力(集团)有限责任公司鄂尔多斯供电分公司，其通讯地址为：017000 内蒙古自治区鄂尔多斯市康巴什区团结南路3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。