[发明专利]一种基于前端感知和学习的能耗判别方法

权利要求书

1.一种基于前端感知和学习的能耗判别方法，其特征在于：

步骤1：利用前端的摄像机模块连续拍摄电表侧的功率数值，采集到图像I；将拍摄到的图像I经过预处理方法后，以固定的帧数N打包成若干个批次的原始时序数据包B_i,其包含了对用户端电表的读数时序信息；

上述预处理包括：对图像I依次进行重采样和归一化，其中归一化控制参数0ρ₁1，且其根据时间特征T_d、T_y进行调节；定义T_d为采样时距离当天零点时的秒数；定义T_y为采样时距离当年元月一日的天数；

步骤2：构建神经网络模型，对原始时序数据包B_i进行学习；神经网络模型由输入层、输出层和隐藏层组成，其中损失函数为：

其中y是神经网络的输出值，表示训练样本的真实输出，N是样本数量；θ₁、θ₂为独立的控制变量；

T_d、T_y和y构成了前端能耗数据的特征，记为F_e，

步骤3：将前端能耗数据的特征传输给分类判别模型，

定义：

其中，X表示某个能耗特征F_e的样本；μ₂、σ₂分别表示训练样本集合中所有样本的均值和方差；

c＝1时，表示样本对应的时间段内能耗状况异常，c＝0时，表示样本对应时间段内用电能耗正常，对于给定的样本集，概率P(X)为常数，概率P(c)表示能耗正常的样本与能耗异常的样本分别占全部样本的比重；

当通信网络可用时，由通信网络获得P(c)的全网训练值，并将当前获得的能耗特征样本X和c的值发送给远端云平台，根据式子(13)计算P(X|c)的值后传回前端；

当通信网络不可用时，使用前端预先存储的P(c)、μ₂、σ₂利用式子(13)和式子(15)计算P(X|c)的值；

步骤4：比较P(0|X)和P(1|X)的值，如果P(0|X)P(1|X)，则判定当前能耗异常，否则能耗正常。

2.如权利要求1所述的方法，其特征在于：前端的摄像机模块连续拍摄电表侧的功率数值，采集图像的帧率大于1帧/秒。

3.如权利要求1所述的方法，其特征在于：所述采集和预处理在前端实施。

4.如权利要求1所述的方法，其特征在于：求取F_e的步骤在前端实施。

5.如权利要求1所述的方法，其特征在于：当网络可用时，计算P(X|c)的步骤在云平台实施。

6.如权利要求1所述的方法，其特征在于：当网络不可用时，计算P(X|c)的步骤在前端实施。

7.如权利要求1-6任一项所述的方法，其特征在于：判定步骤在前端实施。