[发明专利]一种基于用电特性的用电安全监测方法及系统

说明书

本发明公开了一种基于用电特性的用电安全监测方法及系统，所述方法包括：接收用电数据并进行预处理，生成用电参数矩阵；根据所述用电参数矩阵，基于预先训练的用电设备识别模型，识别当前处于工作状态的用电设备；对于处于工作状态的用电设备，基于预先训练的用电设备状态诊断模型进行状态监测。本发明能够实现用电设备安全的实时监测。

技术领域

本发明属于用电安全监测技术领域，尤其涉及一种基于用电特性的用电安全监测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

现有的传统监测方法是在每个用电设备终端安装数据采集与传输装置，实现对用户每个用电设备的在线实时监测，例如加装漏电流监测仪器等，经济性差且不便于维修管理。

通过在电源入口处安装监测装置，从监测到的用户用电信息中识别出各电器的用电信息来获取家用电器能耗等信息，可以有效解决经济型差的问题。对于此种监测方式，通常采用数学优化求解的方式识别用电设备，例如黎鹏等利用启发式算法求解基于稳态电流的分解模型，但其考虑的用电设备种类较少，负荷分解偏差较大。Lin Y H等采用的模型虽然考虑了用电设备功率接近的情况，但识别精度不高。数学优化算法总体上存在着求解效率低的问题。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于用电特性的用电安全监测方法及系统，适用于家庭或工厂等小区域场景，能够基于实时采集的用电数据识别当前用电设备的开闭，并对处于工作状态的用电设备进行安全监测。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于用电特性的用电安全监测方法，包括以下步骤：

接收用电数据并进行预处理，生成用电参数矩阵；

根据所述用电参数矩阵，基于预先训练的用电设备识别模型，识别当前处于工作状态的用电设备；

对于处于工作状态的用电设备，基于预先训练的用电设备状态诊断模型进行状态监测。

进一步地，所述用电数据包括电压数据、电流数据和漏电流数据。

进一步地，生成用电参数矩阵包括：

对用电数据的波形数据进行修正；

基于修正后的波形数据，根据用电数据计算用电参数；

将各用电参数按时间排序，且每一类用电参数作为一行，得到用电参数矩阵。

进一步地，所述用电设备识别模型构建方法包括：

对于各类用电设备，采集启动或停止过程的用电数据；

计算各类用电设备的启动或停止过程的用电参数矩阵作为训练数据，基于人工神经网络，训练用电设备识别模型。

进一步地，所述用电设备状态诊断模型构建过程如下：

对于各类用电设备，分别采集其在正常工作状态和异常工作状态下的用电数据；

计算各类用电设备在正常工作状态和异常工作状态下的用电参数矩阵作为训练数据，基于人工神经网络，训练用电设备识别模型。

进一步地，处于工作状态的用电设备后，还将启停事件相应时间段的数据排除，再基于预先训练的用电设备状态诊断模型进行状态监测。

一个或多个实施例提供了一种基于用电特性的用电安全监测系统，包括用电数据采集终端和云端服务器；其中，

所述用电数据采集终端，用于接收用电数据并进行预处理，生成用电参数矩阵；根据所述用电参数矩阵，基于预先训练的用电设备识别模型，识别当前处于工作状态的用电设备；