[发明专利]一种用于负荷电流信号识别的一维卷积神经网络构建方法

权利要求书

1.一种用于负荷电流信号识别的一维卷积神经网络构建方法，其特征在于，所述神经网络构建方法包括以下步骤：

步骤S1：采集用户负荷数据作为训练集和测试集；

步骤S2：搭建一维卷积神经网络模型；

步骤S3：通过训练集训练搭建好的一维卷积神经网络辨识模型；

步骤S4：将测试集输入经过训练的一维卷积神经网络中进行识别，获得负荷识别结果；

步骤S2中，所述一维卷积神经网络中序列数据经一维卷积运算映射为卷积层，生成的特征图为：

f(z)＝max(z，0)

式中：X表示输入的序列数据，*表示一维卷积运算，表示由卷积核生成的j个特征图，j∈[1,n_c]，n_c表示卷积核个数，b为偏置，f(z)为激活函数，所述激活函数采用ReLu函数加速模型收敛；

所述生成的特征图进行最大值抽样，所述最大值抽样模型可表示为：

其中，是特征图中最大的抽样值，2k是特征图长度；

所述一维卷积神经网络中最后一次采用池化运算时，采用全局最大池化，捕获最有用全局时序信息，所述特征图长度缩减为1；全局最大池化模型可表示为：

式中：表示最后一次得到的最大抽样值；

所述一维卷积神经网络中全连接层分类结果输出可表示为：

其中，W_fc为全连接层的权值矩阵，a_fc是全连接层时序特征序列，激活函数f_σ(z)为sigmoid函数，z是全连接层的输出序列，z取值范围是(-∞，+∞)；最终输出分类结果表示属于不同类别的概率。

2.根据权利要求1所述神经网络构建方法，其特征在于，在步骤S1中，所述用户负荷数据是多种单个负荷电流数据，当前时刻电流与上一时刻的电流信号和新投入的所述单个负荷电流可表示为：

其中，I(t)是当前时刻电流，I^′(t)为上一时刻的电流，I_m(t)为新投入运行的单个负荷电流，n(t)为噪声，m表示用户家中用电器个数。

3.根据权利要求1所述神经网络构建方法，其特征在于，步骤S1中，所述用户负荷数据按2：1的比例分为所述训练集和所述测试集。