[发明专利]边缘计算的负荷识别方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种边缘计算的负荷识别方法、装置、电子设备及存储介质，涉及用电负荷识别技术领域。该方法包括：通过采集端，获取待检测负载的电能数据；通过边缘端，获取电能数据的频域特征；通过边缘端，对频域特征进行颜色编码，生成待检测负载的负荷标识；通过云端，根据负荷标识，确定待检测负载的电器类型。因此，本申请的实施例中，提高了负荷识别方法的精度，并降低了对计算资源的要求。

技术领域

本发明涉及用电负荷识别技术领域，特别是涉及边缘计算的负荷识别方法、装置、电子设备及存储介质。

背景技术

目前，国内居民家庭用电约占全国总用电量的31％。为提高家庭用电和管理的能效性，需通过技术手段为消费者提供细粒度的用电反馈信息。近来，非侵入式负荷检测(Non-Intrusive Load Monitoring，NILM)广泛引起研究人员的重视。NILM技术无需部署子表，可以通过分析家庭总线输入电压和电流来识别用电负荷，促进消费者改善用电习惯和供应商改善供电策略，进一步提高能效性。

其中，传统的机器学习算法，如k近邻法，支持向量机，决策树和随机森林等。这些方法关注电压和电流数据的频率、相位等特征，通常分类精度不高。为提高负荷识别能力，研究了深度学习方法，如递归神经网络和卷积神经网络等。同时为增强负荷标识特异性，提出图像编码特征，将负荷识别转换为图像分类任务，如灰度电压-电流(V-I)迹线和彩色编码V-I轨迹。但是，目前已有基于图像编码负荷识别方法对计算资源要求高，需要传输到云端进行分类识别处理，严重限制了上述图像编码负荷识别方法应用范围。

由此可见，目前负荷识别方法无法兼顾高识别精度和低计算资源的要求。

发明内容

本申请实施例提供边缘计算的负荷识别方法、装置、电子设备及存储介质，以提高负荷分类的精度，并降低对计算资源的要求。

为了解决上述技术问题，本申请是这样实现的：

第一方面，本申请实施例提供了一种边缘计算的负荷识别方法，所述方法包括：

通过所述采集端，获取待检测负载的电能数据；

通过所述边缘端，获取所述电能数据的频域特征；

通过所述边缘端，对所述频域特征进行颜色编码，生成所述待检测负载的负荷标识；

通过所述云端，根据所述负荷标识，确定所述待检测负载的电器类型。

第二方面，本申请实施例提供了一种边缘计算的负荷识别装置，应用于边缘计算架构，所述边缘计算架构包括采集端、边缘端和云端；所述装置包括：设置于所述采集端的数据采集模块，设置于所述边缘端的预处理模块和编码模块，设置于所述云端的负荷识别模块；

其中，所述数据采集模块，用于获取待检测负载的电能数据；

所述预处理模块，用于获取所述电能数据的频域特征；

所述编码模块，用于对所述频域特征，进行颜色编码生成所述待检测负载的负荷标识；

所述负荷识别模块，用于根据所述负荷标识，确定所述待检测负载的电器类型。

第三方面，本申请实施例另外提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如前第一方面所述的边缘计算的负荷识别方法的步骤。

第四方面，本申请实施例另外提供以了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前第一方面所述的边缘计算的负荷识别方法的步骤。