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！

龙图腾网获悉昆明理工大学申请的专利基于自适应事件检测的低频非侵入式负荷监测方法、系统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：CN118656722B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202410602121.7，技术领域涉及：G06F18/2415；该发明授权基于自适应事件检测的低频非侵入式负荷监测方法、系统是由骆钊;李钊;王钢;张涛;林铭良;邓惟记;李家浩;沈鑫;赵毅涛设计研发完成，并于2024-05-15向国家知识产权局提交的专利申请。

本基于自适应事件检测的低频非侵入式负荷监测方法、系统在说明书摘要公布了：本发明公开了一种基于自适应事件检测的低频非侵入式负荷监测方法、系统，方法包括：事件检测、特征提取和负荷识别；在事件检测中采用贝叶斯信息准则作为检测窗口，并通过功率变点权重模型对窗口阈值进行自适应寻优；利用变分模态分解方法对不同电器设备的功率时间序列进行负荷特征的分解和分组；依据负荷识别模型，实现对不同电器设备功率曲线波形图的负荷辨识与分类。本发明所提方法在低频采样条件下，保证了事件检测高精度的同时也表现出较高的负荷识别准确率。

本发明授权基于自适应事件检测的低频非侵入式负荷监测方法、系统在权利要求书中公布了：1.一种基于自适应事件检测的低频非侵入式负荷监测方法，其特征在于，包括：事件检测、特征提取和负荷识别；在事件检测中采用贝叶斯信息准则作为检测窗口，并通过功率变点权重模型对窗口阈值进行自适应寻优；利用变分模态分解方法对不同电器设备的功率时间序列进行负荷特征的分解和分组；依据负荷识别模型，实现对不同电器设备功率曲线波形图的负荷辨识与分类； 在事件检测时，假定电器设备的待测功率时间序列服从泊松分布，以此构建如下两个模型，并依据如下两种模型构建贝叶斯信息准则中的最大似然函数： 功率时间序列中没有事件发生，构建静态模型Ms： ； 功率时间序列中有负荷事件发生，构建跳变模型MJ： ； 式中，表示没有事件发生的功率时间序列服从泊松分布下的期望和方差；、表示功率时间序列中负荷事件发生前的功率时间序列服从泊松分布的期望和方差；表示功率时间序列中负荷事件发生后的功率时间序列服从泊松分布的期望和方差；表示发生负荷事件时的标记点，即功率时间序列的第n个样本； 所述通过功率变点权重模型对窗口阈值进行自适应寻优，包括： 在功率变点权重模型中，将跳变模型MJ的序列转化为矩阵形式和： 静态序列表示为： ； 跳变序列表示为： ； 静态序列中没有事件发生，故序列对应的功率增量为零；跳变序列则伴随着电器设备状态的转换，故序列对应的功率增量不为零；引入表示电器设备状态切换的最小功率增量；功率增量描述为： ； 则功率增量集为： ； ； ； 式中，表示功率时间序列第N个样本的增量；和分别为静态功率增量集和跳变功率增量集；待检测序列的功率增量集有： ； 功率变点权重模型中跳变权重赋值公式及跳变信息熵的计算公式如下： ； ； 式中，N2为跳变序列样本数量； 结合贝叶斯信息准则，对检测窗口阈值h进行寻优。

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昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68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。