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！

龙图腾网获悉东南大学申请的专利一种基于多标签分类的非侵入式负荷监测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：CN115983480B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202310014685.4，技术领域涉及：G06Q10/04；该发明授权一种基于多标签分类的非侵入式负荷监测方法是由刘宇;刘丛笑;高昂;白晨晖;陈柯凡;赵欣;高山设计研发完成，并于2023-01-05向国家知识产权局提交的专利申请。

本一种基于多标签分类的非侵入式负荷监测方法在说明书摘要公布了：本发明提供一种基于多标签分类的非侵入式负荷监测方法，涉及电力负荷管理分析领域。该基于多标签分类的非侵入式负荷监测方法，包括：采集用户的用电总数据，并将用户的用电总数据划分为训练集和测试集，构建不同类型负荷的用电模型；构建多标签分类模型对非侵入式负荷识别问题进行表征；构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练；将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态；根据负荷的运行状态，预测负荷的功率消耗情况。本发明提高了负荷识别的效率并获得较高的识别精度，具有很强的实用价值和现实意义。

本发明授权一种基于多标签分类的非侵入式负荷监测方法在权利要求书中公布了：1.一种基于多标签分类的非侵入式负荷监测方法，其特征在于，包括： 采集用户的用电总数据，并将用户的用电总数据划分为训练集和测试集，构建不同类型负荷的用电模型； 构建多标签分类模型对非侵入式负荷识别问题进行表征； 构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练； 将训练完成的多标签分类问题求解模型应用于负荷识别，获取负荷的运行状态； 根据负荷的运行状态，预测负荷的功率消耗情况； 所述构建多标签分类模型对非侵入式负荷识别问题进行表征，包括： 建立用户的用电总数据和各个负荷单独的用电数据之间的关系： 其中，Pt、Qt分别为用户在t时刻的总有功功率和总无功功率数据，N为负荷数量，为第i个负荷的工作状态数量，、分别为第i个负荷的第j个工作状态所对应额定的有功功率和无功功率，表示时刻第i个负荷所处的工作状态，表示该负荷处于其第j个工作状态，反之表示未处于该状态；和分别为有功功率和无功功率在t时刻的背景噪声； 所述构建多标签分类问题求解模型，并使用训练集和验证集对多标签分类问题求解模型参数进行训练，包括： 采用基于随机森林的RAKEL多标签分类方法对非侵入式负荷识别问题进行计算求解，RAKEL的具体计算步骤如下： 对于不同时刻采集得到用户的用电总数据样本，在应用多标签分类问题时，每个负荷对应的工作状态看作是一类标签，并构成标签集合； 从标签集合中选取若干个标签组合，其中每个标签组合包含k个标签； 为每个标签组合建立一个分类器并进行训练； 在识别未知样本时，获取每个分类器的识别结果，并采用投票法决定最终的识别结果； 所述根据负荷的运行状态，预测负荷的功率消耗情况，包括： 目标： 其中Pt、Qt分别为用户在t时刻的总有功功率和总无功功率数据，、分别为第i个被识别为处于开启状态的负荷的第j个工作状态所对应的有功功率和无功功率值，N为被识别为处于运行状态的负荷数量，为第i个被识别为处于开启状态的负荷的工作状态数目，用于表征在t时刻第i个被识别为处于开启状态的负荷的工作状态，表示该负荷不在其第j个工作状态，表示该负荷在其第j个工作状态； 约束： 对于具有多个工作状态的负荷，某一时刻下其最多只能处于一个工作状态，为： 在对负荷的功率消耗进行估计时，将被识别为开启的负荷的工作状态作为决策变量，采用整数规划算法对目标函数进行迭代求解，确定各个负荷所处的工作状态，进一步预测各个负荷的功率消耗情况，为： 其中，为第i个负荷在t时刻的有功功率消耗估计值，为第i个负荷在t时刻所处工作状态对应的额定有功功率。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区新街口街道四牌楼2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。