基于多模态深度特征融合的非侵入式负荷辨识方法及系统

本发明提供基于多模态深度特征融合的非侵入式负荷辨识方法及系统，所述方法包括：通过LSTM网络提取电压、电流时序数据的动态特征，采用预训练ResNet‑18模型捕获设备运行图像的空间特征；设计跨模态多头注意力机制，以图像特征为查询基准，动态对齐电压与电流特征的语义信息，生成增强表征；构建小波变换融合层，通过多级分解‑重构机制实现时频域特征的深度融合，结合可学习卷积增强模块提升抗噪能力；采用交叉熵与对比学习双损失联合优化策略，约束多模态特征隐空间分布，增强模型泛化性。本发明在多类家用电器数据集上实现97.1%的平均分类准确率，满足负荷辨识的准确率要求，为负荷辨识提供高效解决方案。