基于物理约束神经网络的非侵入式负荷监测方法及装置

发明专利有效专利

申请号：
CN202211118553.8
IPC分类号：G01R31/00;G01R22/00;G06K9/62;G06N3/08;G06Q10/04;G06Q50/06
申请日期：
2022-09-15
申请人：
之江实验室

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于物理约束神经网络的非侵入式负荷监测方法及装置
申请号	CN202211118553.8	申请日期	2022-09-15
法律状态	实质审查	申报国家	中国
公开/公告日	2022-10-18	公开/公告号	CN115201615A
优先权	暂无	优先权号	暂无
主分类号	G01R31/00 ? IPC结构图谱： G 物理 G0 仪器 G01 测量；测试 G01R 测量电变量；测量磁变量（指示谐振电路的正确调谐入H03J 3/12） G01R31/00 电性能的测试装置；电故障的探测装置；以所进行的测试在其他位置未提供为特征的电测试装置（在制造过程中测试或测量半导体或固体器件入H01L 21/66；线路传输系统的测试入H04B 3/46）	IPC分类号	G;0;1;R;3;1;/;0;0;;;G;0;1;R;2;2;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8;;;G;0;6;Q;1;0;/;0;4;;;G;0;6;Q;5;0;/;0;6查看分类表>
申请人	之江实验室	申请人地址	浙江省杭州市余杭区南湖街道之江实验室南湖总部变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	之江实验室	当前权利人	之江实验室
发明人	黄刚;周舟;华炜;李永福
代理机构	杭州浙科专利事务所（普通合伙）	代理人	孙孟辉

摘要

本发明涉及智能电网领域，提出了一种基于物理约束神经网络的非侵入式负荷监测方法及装置，包括如下步骤步骤1、获取建筑某一时段内的总负荷数据和设备负荷数据，利用滑动窗口方法进行切割以构造训练数据；步骤2、设计深度学习神经网络模型，对总负荷数据中所包含的设备负荷特性进行学习，输出设备负荷预测；步骤3、基于物理约束学习框架，对深度学习神经网络模型通过迭代优化训练损失进行训练，得到训练好的物理约束神经网络模型；步骤4、根据物理约束神经网络模型的输出结果，监测建筑内各设备的用电情况。本发明可充分提取用电设备的运行特征，在不增加额外开销的前提下提升负荷辨识的准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供