[发明专利]一种基于智能算法的用电设备识别方法

权利要求书

1.一种基于智能算法的用电设备识别方法，其特征在于：所述方法包括以下步骤：

步骤1：采集流经若干用电设备的电流，分别作为训练样本；

步骤2：分别以时间为X轴、电流为Y轴，构建不同用电设备训练用的电流-时间坐标图；

步骤3：预处理不同用电设备训练用的电流-时间坐标图；

所述步骤3包括以下步骤：

步骤3.1：基于用电设备的特征剔除离群点，并将离群点对应的时间、电流和训练用的用电设备进行预警；

步骤3.2：以直线连接坐标图上相邻采样时间的采样点，以N个采样点为单位，若N个采样点均符合线性回归特征且误差不超过阈值H₁，则进行步骤3.4，否则，进行步骤3.3；

步骤3.3：去除步骤3.2的直线，取2N个采样点，每M个采样点进行曲线拟合，直至将2N个采样点拟合至完整的曲线；

步骤3.4：将步骤3.2或步骤3.3的坐标图依时间顺序分割为若干个等高且等宽的图像并编号，任一图像非空；

步骤4：将预处理后的不同用电设备训练用的电流-时间坐标图分别输入神经网络进行训练，直至训练完成；

步骤5：实时采集流经任一用电设备的电流，作为待测样本；

步骤6：分别以时间为X轴、电流为Y轴，构建当前待测样本的电流-时间坐标图，以步骤3的方式进行预处理；

步骤7：将预处理后的待测样本的电流-时间坐标图输入训练好的神经网络；

步骤8：根据输出结果进行用电设备识别；

步骤9：返回步骤5或结束。

2.根据权利要求1所述的一种基于智能算法的用电设备识别方法，其特征在于：所述步骤1中，以10K的采样频率进行采样，单次采样时间为至少一个工频周期。

3.根据权利要求1所述的一种基于智能算法的用电设备识别方法，其特征在于：3≤N≤10。

4.根据权利要求3所述的一种基于智能算法的用电设备识别方法，其特征在于：1≤M≤5。

5.根据权利要求1所述的一种基于智能算法的用电设备识别方法，其特征在于：所述步骤4包括以下步骤：

步骤4.1：初始化神经网络参数，设置最小损失函数；

步骤4.2：将预处理后的不同用电设备训练用的电流-时间坐标图分别输入神经网络；

步骤4.3：以若干卷积层和池化层对图像的特征进行提取；

步骤4.4：以输出层的结果判断是否满足最小损失函数，若否，调整神经网络参数，返回步骤4.3，否则，进行步骤5。

6.根据权利要求5所述的一种基于智能算法的用电设备识别方法，其特征在于：所述步骤4.3中，以7层结构的卷积神经网络对图像的特征进行提取，所述7层结构的卷积神经网络包括3个卷积层、3个池化层和1个全连接层。

7.根据权利要求1所述的一种基于智能算法的用电设备识别方法，其特征在于：所述步骤5中，实时采集流经任一用电设备的电流后，将电流进行差分处理，差分处理的电流作为待测样本。

8.根据权利要求1所述的一种基于智能算法的用电设备识别方法，其特征在于：所述步骤8中，若存在无法识别的用电设备，则报告工作人员进行人工判定，并记录当前用电设备的电流-时间坐标图。

9.根据权利要求8所述的一种基于智能算法的用电设备识别方法，其特征在于：所述方法还包括神经网络更新；

若未出现无法识别的用电设备，则每隔时间T抽取若干待测样本的电流-时间坐标图并设置标签，顺次输入神经网络，计算实际输出结果与期待输出结果间的偏离值，对神经网络的参数进行校正；

若出现无法识别的用电设备时，将数据库中所有的电流-时间坐标图重新输入神经网络进行训练，得到更新后的神经网络。