基于度量学习的非侵入式负荷识别方法
实质审查的生效
摘要
本发明提出了一种基于度量学习的非侵入式负荷识别方法，本发明通过一维卷积神经网络将负荷电流特性映射到度量空间，在网络训练时使用三元组损失实现特征的聚类，对度量空间特征进行相似度判别实现负荷辨识。该方法可实现对未知负荷的有效识别，并具有较强的泛化能力；另一方面，度量学习作为小样本学习的方法之一，能够减轻对训练样本的依赖，具有较高的实用性。
基本信息
专利标题 ：
基于度量学习的非侵入式负荷识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114359674A
申请号 ：
CN202210032592.X
公开（公告）日 ：
2022-04-15
申请日 ：
2022-01-12
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
于淼王丙楠陆玲霞赵强包哲静程卫东魏萍
申请人 ：
浙江大学;华立科技股份有限公司
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
邱启旺
优先权 ：
CN202210032592.X
主分类号 ：
G06V10/774
IPC分类号 ：
G06V10/774 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-05-03 ：
实质审查的生效
IPC(主分类) : G06V 10/774
申请日 : 20220112
申请日 : 20220112
2022-04-15 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
