[发明专利]基于交叉熵的非侵入式电器识别方法

摘要

本发明提出一种基于交叉熵的非侵入式电器识别方法，属于非侵入式检测系统下电器识别领域。本发明解决了传统的侵入式电器识别因过多线路的接入会对电器的正常运转造成干扰，以及目前的非侵入式电器识别方法不方便，训练数据过多，导致前期需花费大量的人力成本的问题。其技术方案要点为：选取常用的几类电器作为研究对象并对电器数量进行one‑hot编码；采集电流电压数据，通过算法得到多组电器数量预测值，计算权重得到组合电器的电流数据向量，然后与实测的电流数据向量分别进行softmax回归处理，最后通过交叉熵计算多组预测值和实测值的适应度函数值，获取适应度函数最小值对应的电器组合即为我们识别的电器组合。本发明非侵入式电器识别方式简单、有效。

主权项

1.基于交叉熵的非侵入式电器识别方法，其特征在于，包括如下步骤：步骤1、选取样本电器，设置采集时间周期T，并采集每种电器在周期内的电流电压数据以及电流有效值，对采集到的电流数据进行电压相位对齐，然后截取M个周期的电流幅值列表，并计算电流幅值的最大值、最小值、差值和均值，以及电流有效值的最大值和最小值作为样本数据库；步骤2、获取实测数据，得到电压相位对齐之后的所述M个周期内的电流幅值列表以及电流幅值的最大值、最小值、差值和均值；步骤3、对电器数量进行one‑hot编码，并配置量子遗传算法参数，运行该量子遗传算法，通过解空间转换获得多组电器数量解列表；步骤4、根据获得多组电器数量解列表对应的每组电器列表，计算每类电器的数量权重，然后利用权重值作为电流占比计算预测电器组合的电流幅值列表；步骤5、对获取的实测数据的电流幅值列表和通过量子遗传算法得到的多组预测电流幅值列表分别进行softmax回归处理，然后采用交叉熵作为量子遗传算法的适应度函数，计算其适应度函数值；步骤6、将计算得到的多组适应度函数值组成列表L，并对列表L进行排序，并进行比分标记，适应度函数值越高的比分越低，反之越高，最小比分为1，最大比分为列表L的长度，得到比分最高的适应度函数值作为最优解，与该最优解对应的电器组合作为需识别的电器组合。