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！

龙图腾网获悉台州学院;浙江万胜智能科技股份有限公司申请的专利面向时空特征融合注意力的非侵入式负荷分解模型及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：CN115456010B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202210991717.1，技术领域涉及：G06F18/21；该发明授权面向时空特征融合注意力的非侵入式负荷分解模型及方法是由张石清;王伟;赵小明;杜磊;章为昆设计研发完成，并于2022-08-18向国家知识产权局提交的专利申请。

本面向时空特征融合注意力的非侵入式负荷分解模型及方法在说明书摘要公布了：本发明公开了一种面向时空特征融合注意力的非侵入式负荷分解模型及方法，通过时间特征提取模块提取负荷输入序列的时间特征，通过空间特征提取模块提取负荷输入序列的空间特征，将时间特征和空间特征级联，并输入到卷积注意力模块中进行时空特征的加权学习融合，最后将融合特征采用全连接层计算每个负荷的功耗。本发明联合时间特征和空间特征，通过卷积注意力模块中进行时空特征的融合学习，且该卷积注意力模块是联合时间注意力和通道注意力，进行时空特征的融合学习，便于有效提取特征，减少特征被高功耗家电影响或覆盖的情况。

本发明授权面向时空特征融合注意力的非侵入式负荷分解模型及方法在权利要求书中公布了：1.一种面向时空特征融合注意力的非侵入式负荷分解模型，其特征在于，通过时间特征提取模块提取负荷输入序列的时间特征，通过空间特征提取模块提取负荷输入序列的空间特征，将时间特征和空间特征级联，并输入到卷积注意力模块中进行时空特征的加权学习融合，最后将融合特征采用全连接层计算每个负荷的功耗； 所述负荷输入序列为基于时间序列的房屋总功耗，所述时间特征提取模块为双向长短期记忆网络，所述空间特征提取模块为inception模块，通过inception模块提取负荷输入序列的多尺度空间特征，所述inception模块包括若干并行的卷积单元，任一卷积单元包括串联的至少一一维卷积，所述卷积注意力模块基于级联的时间特征和空间特征提取联合通道和空间的注意力特征，并将此注意力特征与负荷输入序列相乘； 首先，利用由多个并行卷积组成空间特征提取模块来提取不同尺度的空间特征，设每一个卷积单元提取的特征为fi，i＝1,2,3,4,5，其中i代表并行卷积单元的个数，则空间特征提取模块的输出为： Ft＝[f1，f2，f3，f4，f5]， 同时利用BiLSTM来处理输入序列中的时间信息，最后推出BiLSTM的输出结果rt，然后，将输入的空间特征和时间特征进行级联ft＝[Ft，rt]； 对级联的空间特征和时间特征，先分别通过全局平均池化分支及全局最大池化分支获取全局平均池化特征和全局最大池化特征，将这俩个特征分别进行两次卷积操作第一次卷积压缩通道为f4，第二次卷积扩张通道为f，然后将这两个特征进行级联后依次通过一个卷积层、一个激活函数relu得到一个输出，将该输出与级联的空间特征和时间特征相乘得到通道注意力图，将该通道注意力图分别通过平均池化层和最大池化层得到平均池化特征和最大池化特征，将该平均池化特征和最大池化特征级联，然后通过一个卷积层和一个激活函数sigmoid得到空间注意力图，将该空间注意力图和通道注意力图相乘，得到联合通道和空间的注意力图，卷积注意力模块CBAM的计算表达式如下所示： fc＝f*ReluconvldconvldAvgpoolf+convldconvldAvgpoolf1， fcs＝fc*σconv1dAvgpoolfc+Maxpoolfc2， 其中，fc和fcs分别表示通道注意力图和联合通道和空间的注意力图，σ表示sigmoid激活函数。

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台州学院;浙江万胜智能科技股份有限公司，其通讯地址为：318000 浙江省台州市市府大道1139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。