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！

龙图腾网获悉深圳因特安全技术有限公司申请的专利一种基于高频电力数据的非侵入式负载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：CN120873561B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511405765.8，技术领域涉及：G06F18/213；该发明授权一种基于高频电力数据的非侵入式负载识别方法是由李达;何汶静;储志利;薛家为;汤兰;王晓舟;范俊;陆海峰;李运涛;徐明设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本一种基于高频电力数据的非侵入式负载识别方法在说明书摘要公布了：本发明涉及负载识别技术领域，具体地说，涉及一种基于高频电力数据的非侵入式负载识别方法。其包括以下步骤：采集用户端电压、电流的高频电力信号数据，按照高频电力信号数据处理需求构建分层式数据仓库；对采集的高频电力信号进行信号分析，提取暂态与稳态特征，基于暂态与稳态特征构建多视角特征矩阵；基于多视角特征矩阵采用多分支结构化学习模型进行负载预测，同时，构建深度关联分析模型处理预测过程中高频电力信号数据中的不确定性问题，并利用负载固有周期特性构建时域校正函数。本发明通过融合高频暂态特征与时域动力学解耦机制，实现了对复杂复合负载及动态相似设备的高精度、结构化识别。

本发明授权一种基于高频电力数据的非侵入式负载识别方法在权利要求书中公布了：1.一种基于高频电力数据的非侵入式负载识别方法，其特征在于，包括以下步骤： S1、采集用户端电压、电流的高频电力信号数据，按照高频电力信号数据处理需求构建分层式数据仓库； S2、对采集的高频电力信号进行信号分析，提取暂态与稳态特征，基于暂态与稳态特征构建多视角特征矩阵； S3、基于多视角特征矩阵采用多分支结构化学习模型进行负载预测，同时，构建深度关联分析模型处理预测过程中高频电力信号数据中的不确定性问题，并利用负载固有周期特性构建时域校正函数，用于优化深度关联分析模型处理不确定性的过程； S4、依据分层式数据仓库的数据与应用场景对多分支结构化学习模型进行针对性训练、调优与验证； 所述S3中，构建深度关联分析模型处理预测过程中高频电力信号数据中的不确定性问题，包括以下步骤： S3.5、设计并训练时序卷积网络和图神经网络，针对高频电力信号中的不同类型关联信息进行建模，形成多样化的关联表示； S3.6、构建融合网络结构，对时序卷积网络和图神经网络的输出特征进行维度匹配与统一编码，并输出对应置信度评分； S3.7、根据高频电力信号及其预处理特征的数据质量和模型置信度动态调整各深度学习模型的融合权重，并利用负载固有周期特性构建时域校正函数对置信度评分进行动态修正，动态抑制周期性行为引发的不确定性误判； S3.8、在融合网络结构输出端引入贝叶斯置信度估计机制，基于动态修正后的置信度分数预测不确定性； S3.9、实时获取时序卷积网络和图神经网络的输出及动态权重，同时输出多维度负载预测结果及对应的不确定性度量； 所述S3.7中，利用负载固有周期特性构建时域校正函数对置信度评分进行动态修正，包括以下步骤： 对输入的多视角特征矩阵进行快速傅里叶变换，识别其中存在的周期分量，并计算时域自相关函数，用于验证周期性波动的稳定性与规律性； 基于周期性负载在典型时段内的功率变化特征，构建时域校正函数计算出校正因子； 将计算得到的校正因子融合网络中的权重分配机制，对时序卷积网络和图神经网络的动态权重进行校正。

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深圳因特安全技术有限公司，其通讯地址为：518000 广东省深圳市罗湖区笋岗街道笋西社区梨园路8号HALO广场一期六层620单元；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。