[发明专利]基于卷积神经网络的非入侵式家用用电设备类型检测方法

权利要求书

1.一种基于卷积神经网络的非入侵式家用用电设备类型检测方法，包括如下步骤：

步骤一、二维波形图构建；

步骤二、卷积神经网络的模型训练；

步骤三、电器设备类型的分类预测。

2.如权利要求1所述的基于卷积神经网络的非入侵式家用用电设备类型检测方法，其特征在于：所述步骤一、二维波形图构建具体如下：

(1)以10K采样频率进行电流和电压采样；

(2)接入常用的样本电器并在电压过0点的时刻进行电流采样，采样时间为一个工频周期；

(3)构建二维图，其中横轴为采样点次序，取值范围为0到999，一个周期会有200个采样点，则每5个单位对应1个采样点；纵轴为电流值，取值范围为0到999，则每个单位对应0.1A，其中500作为电流0点，取值范围即-50A到50A；

这样就构建了1个周期的1000x1000图像。

3.如权利要求2所述的基于卷积神经网络的非入侵式家用用电设备类型检测方法，其特征在于：所述步骤二、卷积神经网络的模型训练具体为：

设置卷积神经网络的参数如下，

a.7层结构的卷积神经网络，从左到右依次为卷积层C1(步长10)，池化层P2(步长2)，卷积层C3(步长1)，池化层P4(步长2)，卷积层C5(步长1)，池化层P6(步长1)，全连接层F7；

b.激活函数:reLu函数；

c.批尺寸(Batch size)大小为128；

d.初始学习率0.95；

训练模型并调优得到卷积神经网络的输出模型。

4.如权利要求3所述的基于卷积神经网络的非入侵式家用用电设备类型检测方法，其特征在于：所述步骤三、电器设备类型的分类预测具体如下：

在有电器接入时：

(1)进行电流差分，并对电流的差分波形进行二维图构建；

(2)将二维图输入训练好的卷积神经网络模型；

(3)由CNN的输出即可得到最大概率的电气类型。