基于云-端场景迁移的非侵入式目标负荷辨识方法

本申请涉及电力系统监测与负荷管理技术领域，具体公开了一种基于云‑端场景迁移的非侵入式目标负荷辨识方法，其在云端引入物理一致性数据增强机制，通过计算动态耦合调制因子模拟电压暂降对背景负荷的调制效应，生成高保真增强三元组数据集，解决了传统数据增强忽视电路耦合特性的问题。在此基础上，利用分层度量学习训练品牌不变性特征提取器，通过优化类间与品牌间距离强制模型学习类别本质特征。最终将特征提取器与分类头组装为泛化模型部署至端侧，通过冻结特征提取器参数进行推理，有效克服了电器物理异质性导致的跨品牌泛化难题，实现了对端侧未见品牌电器的准确辨识。