基于Transformer模型和迁移学习的非侵入式负荷监测方法和设备(高校公示15天)(不包年费滞纳金)(需要二变)
基于Transformer模型和迁移学习的非侵入式负荷监测方法和设备,属于电力系统和负荷监测技术领域,解决非侵入式负荷监测技术预测精度低以及泛化能力弱问题。本发明方法包括:建立基于Transformer的NILM模型,通过正余弦位置编码为通用特征增加位置信息;设计四头三层的头注意力机制。通过卷积层平均激活通道数以及负荷的工作特性和使用特性分析选择源任务;通过在源任务模型上训练Transformer模型,将其迁移到其他负荷NILM任务上;冻结基于Transformer模型的卷积层参数,微调其他层以适应目标负荷NILM任务。本发明适用于对负荷功耗和使用状态进行监测和评估的场景。
《基于Transformer模型和迁移学习的非侵入式负荷监测方法和设备(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024111619875,当前法律状态为已下证,由吉林大学提出申请,发明人为周求湛;荣静;王聪;武慧南;胡春华;王晓东,申请日期为2024-08-23,公开(公告)日期为2024-10-22,国际专利分类号(IPC)为 G06N 3/0455 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:基于Transformer模型和迁移学习的非侵入式负荷监测方法和设备,属于电力系统和负荷监测技术领域,解决非侵入式负荷监测技术预测精度低以及泛化能力弱问题。本发明方法包括:建立基于Transformer的NILM模型,通过正余弦位置编码为通用特征增加位置信息;设计四头三层的头注意力机制。通过卷积层平均激活通道数以及负荷的工作特性和使用特性分析选择源任务;通过在源任务模型上训练Transformer模型,将其迁移到其他负荷NILM任务上;冻结基于Transformer模型的卷积层参数,微调其他层以适应目标负荷NILM任务。本发明适用于对负荷功耗和使用状态进行监测和评估的场景。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
