[发明专利]基于卷积神经网络的用电器识别方法

权利要求书

1.一种基于卷积神经网络的用电器识别方法，其特征在于：包括以下步骤：

步骤一：选取样本电器，设置采样周期为T，先进行电压采样，对采样得到的电压进行分析可得电压最低点，将该点设置为电流采样起始点；等待下一个电流采样起始点，开始采样电流值，采样时长为H，将离散的采样值转换为波形图；连续上述步骤电流采样N次，获得一种电器的数据集；对各个电器进行上述操作可获得所有单个电器的数据集；

步骤二：对上述数据集中不同电器进行标号；

步骤三：等所有数据收集完毕，进行模型训练；采用CNN神经网络，其网络结构包含卷积层、池化层、全连接层与softmax函数；

步骤四：得到训练模型，重新采集一种电器或者一组电器的波形图，将该波形放入模型中进行预测可得到电器种类。

2.根据权利要求1所述的基于卷积神经网络的用电器识别方法，其特征在于：步骤二中，根据基尔霍夫电流定律可知，当多个电器共同使用时，采集到的波形是多种在用电器波形的叠加；利用上述单个电器的数据集排列组合可的多个用电器同时使用时的数据，在对数据进行标号。

3.根据权利要求1所述的基于卷积神经网络的用电器识别方法，其特征在于：步骤三中，利用卷积层提取相应特征，利用池化层过滤掉不需要的特征，利用全连接层进行分类，利用softmax层得到不同种类的概率分布。

4.根据权利要求1所述的基于卷积神经网络的用电器识别方法，其特征在于：步骤三中，网络搭建完成后，对网络模型进行多次训练，将训练好的网络模型进行验证；对于精确率大于95%的模型，完成模型模型训练；否则，返回步骤三，重新对网络结构进行调整，并重新设置batch_size和学习率等参数。