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！

龙图腾网获悉华南理工大学申请的专利基于小波分解和改进神经网络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：CN115545447B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202211179593.3，技术领域涉及：G06Q10/0631；该发明授权基于小波分解和改进神经网络的非侵入式负荷分解方法是由刘紫罡;张禄亮;季天瑶;吴青华设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本基于小波分解和改进神经网络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小波分解和改进神经网络的非侵入式负荷分解方法，主要利用非侵入式负荷识别装置对用电信息进行采集，对采集到的数据信息进行预处理操作，通过四层小波分解提取负荷特征，然后输入到改进的神经网络进行训练学习：改进点主要体现在网络是多尺度多输入的，训练过程是多分辨率的并且网络按小波分解层数分为四个部分分别进行训练最后在重新拼接，然后利用大量数据调节网络参数，完善非侵入式负荷分解模型后完成负荷分解任务，并对非侵入式负荷分解结果进行分析。通过本发明可以结合时频域，解决当负荷数据过多时，重要的信息可能会丢失，数据特征利用率低而且多状态过程电器难以识别的问题。

本发明授权基于小波分解和改进神经网络的非侵入式负荷分解方法在权利要求书中公布了：1.基于小波分解和改进神经网络的非侵入式负荷分解方法，其特征在于，包括以下步骤： 1利用非侵入式负荷识别装置对负荷侧的用电信息进行采集，并进行数据预处理，得到二维的图片序列负荷数据，并将数据按比例划分训练集和测试集； 2对预处理后的负荷数据通过四层小波分解提取负荷的特征信息，每层小波分解能够得到低频近似分量特征、水平分量特征、垂直分量特征和对角线分量特征； 3将经过四层小波分解得到的负荷特征信息输入构建的非侵入式负荷分解模型进行分解训练，利用训练集中的数据不断调节模型参数，完善非侵入式负荷分解模型，然后利用测试集中的数据验证模型，并对非侵入式负荷分解结果进行分析；其中，构建的非侵入式负荷分解模型为改进的神经网络，该神经网络的改进包括：第一，网络是多尺度多输入的，训练过程是多分辨率的；第二，由四层小波分解得到四个小波输入层通道的输入图片，在四个小波输入层通道后面都接上一个由CNN、BiLSTM和Attention组成的训练网络进行训练；第三，通过Concatenate连接层去拼接四个不同尺度输入经过训练网络训练后的结果，以此来实现小波重构。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。