[发明专利]一种基于边沿特征向量模型的实时电器识别方法和系统

说明书

本发明公开了一种基于边沿特征向量模型的实时电器识别方法和系统，其中方法的实现包括：采集样本电器组合的电表功率数据，提取功率数据的单边沿，将单边沿组合成连续边沿；根据连续边沿中单边沿数量和幅度，判定连续边沿是否包含非等幅震荡边沿、等幅震荡边沿、上升带回勾边沿、尖峰冲激边沿、普通上升边沿中的一种或多种，并提取对应的边沿特征向量；得到多个样本电器组合的功率数据与边沿特征向量之间映射关系的边沿特征向量模型；采集待识别电器的电表实时功率数据，利用边沿特征向量模型得到对应的实时特征向量，基于实时特征向量识别电器。本发明将电器识别从离线领域引申到实时识别，有了更好的实用性和可操作性。

技术领域

本发明属于电器识别领域，更具体地，涉及一种基于边沿特征向量模型的实时电器识别方法和系统。

背景技术

电器识别可以根据智能电表采集到的电器运行时的电气数据，通过一系列的数学运算，最终获得电器的运行状态。电器识别可以分为离线识别和实时识别，现在普遍的方法是离线电器识别，该方法需要比较长的时间长度的数据采集，并且采集的数据越多，越有利于电器类型的识别精度的提升，从而导致该类方法对于电器识别的实时性不足，识别结果在一定程度上远远滞后于负载的工作状态。然而人们更倾向于实时的掌握家庭用电设备的使用情况。因此，采用实时电器识别方法来进行电器识别是迫切任务，通过实时获得的电器运行数据，可以为人们提供更好的用电安全防护，监测未关闭电器和电器异常，保证家庭用电安全；另外也可以帮助制定用电计划，做到更好的节能减排。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于边沿特征向量模型的实时电器识别方法和系统，其目的在于解决现有技术中离线电器识别的滞后性。

为实现上述目的，按照本发明的一个方面，提供了一种基于边沿特征向量模型的实时电器识别方法，包括：

(1)采集样本电器组合的电表功率数据，提取功率数据的单边沿，将单边沿组合成连续边沿；

(2)根据连续边沿中单边沿数量和幅度，判定连续边沿是否包含非等幅震荡边沿、等幅震荡边沿、上升带回勾边沿、尖峰冲激边沿、普通上升边沿中的一种或多种，并提取对应的边沿特征向量；

(3)重复步骤(1)和步骤(2)，得到多个样本电器组合的功率数据与边沿特征向量之间映射关系的边沿特征向量模型；

(4)采集待识别电器的电表实时功率数据，利用边沿特征向量模型得到对应的实时特征向量，基于实时特征向量识别电器。

进一步的，提取样本电器组合的电表功率数据时，已知电器组合中各个电器的类别。

进一步的，步骤(2)包括：

(2-1)若连续边沿中单边沿数量大于3，奇数边沿的幅度大于0，偶数边沿的幅度小于0，且相邻边沿的幅度差与相邻边沿的平均幅度之比存在大于预设值的情况时，则连续边沿中有非等幅震荡边沿，提取非等幅震荡边沿特征向量；

(2-2)若连续边沿中单边沿数量大于3，奇数边沿的幅度大于0，偶数边沿的幅度小于0，且相邻边沿的幅度差与相邻边沿的平均幅度之比小于预设值时，则连续边沿中有等幅震荡边沿，提取等幅震荡边沿特征向量；

(2-3)若连续边沿中单边沿数量等于3，3个单边沿中第一个单边沿的幅度大于0、第二个单边沿的幅度小于0、第三个单边沿的幅度大于0，且3个单边沿的幅度之和大于0，则连续边沿中有上升带回勾边沿，提取上升带回勾边沿特征向量；

(2-4)若连续边沿中单边沿数量等于2，2个单边沿中第一个单边沿的幅度大于0、第二个单边沿的幅度小于0，且2个单边沿的幅度之和大于0，则连续边沿中有尖峰冲激边沿，提取尖峰冲激边沿特征向量；

(2-5)若连续边沿中单边沿数量等于1，且一个单边沿的幅度大于0，则连续边沿中有普通上升边沿，提取普通上升边沿特征向量。