龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：华南理工大学
摘要：本发明公开了一种非侵入式负荷分解改进方法、装置及存储介质，其中方法包括：获取家电级数据，根据家电级数据构建用户行为通用网络图；根据用户行为通用网络图进行初始子图构建，以及提取用户行为特征；构建融合用户行为特征的多标签式非侵入式负荷分解模型。本发明基于用户行为网络图的改进模型完成了多标签分类与先进时序特征提取方法的有效结合，提升了非侵入式负荷监测的准确率，且传统模型仅适用于单类电器，本发明集多类电器于一个模型，大大减小了总模型的规模。本发明可广泛应用于非侵入式负荷分解领域。
主权项：1.一种非侵入式负荷分解改进方法，其特征在于，包括以下步骤：获取家电级数据，根据家电级数据构建用户行为通用网络图；根据用户行为通用网络图进行初始子图构建，以及提取用户行为特征；构建融合用户行为特征的多标签式非侵入式负荷分解模型；其中，多标签式非侵入式负荷分解模型是指基于序列到点结构的单标签负荷分解模型改进的多标签版本，模型输出层由单电器输出调整为多电器输出，改进前后输入和中间层结构不变；融合用户行为特是指在模型浅层、中层和深层处进行行为特征和用电特征的融合；所述用户行为通用网络图包含家电级数据中出现的所有用电器，图的节点代表各个电器设备，节点特征表示电器的特征信息，电器间的行为相关性则通过边的权重表示；权重表示电器同时出现的概率，权重的计算方式如下： 式中，nj为设备mj出现的次数，nij表示设备mi和mj同时出现的次数，Pij表示设备mj出现时设备mi出现的概率，最终构成的矩阵P称为行为相关矩阵；为避免行为相关矩阵过拟合和信号噪声的影响，通过设定阈值对矩阵P进行二值化处理： 其中，和并不相等，最终构成的矩阵称为通用行为相关矩阵，图形式则称为通用行为网络图，行为相关矩阵并不对称；所述提取用户行为特征，包括：基于用户行为通用网络图，采用图卷积网络提取用户行为特征；所述图卷积网络的计算公式为： 其中，Hl∈|M|×Dl为第l层的各节点特征矩阵，Dl表示第l层的节点特征维数，|M|表示电器数量，是归一化后的行为相关矩阵，Wl∈Dl×Dl+1是l层在训练阶段要学习的参数，σ·为非线性激活函数Relu。
全文数据：
权利要求：
百度查询： 华南理工大学 一种非侵入式负荷分解改进方法、装置及存储介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
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