[发明专利]一种智能插座上的电器设备类型识别方法在审
申请号: | 201811074038.8 | 申请日: | 2018-09-14 |
公开(公告)号: | CN109271925A | 公开(公告)日: | 2019-01-25 |
发明(设计)人: | 黄言态 | 申请(专利权)人: | 浙江科技学院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;H01R24/20 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 林超 |
地址: | 310023 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电器设备 混合高斯模型 电器类型 智能插座 参数库 计算特征参数 数据信息识别 采集 计量芯片 家庭电网 特征参数 特征数据 鲁棒性 组特征 插座 概率 组建 | ||
1.一种智能插座上的电器设备类型识别方法,其特征在于:方法包括以下步骤:
步骤1:采集插座上的电信号输入到计量芯片;
步骤2:利用计量芯片计算特征参数,特征参数包括电流、电压、有功功率和无功功率作为特征;
步骤3:重复步骤1~步骤2获取每个电器设备各个时刻对应的一组特征数据,第i组特征数据xi包括时刻下的电流、电压、有功功率和无功功率,并建立以下公式的混合高斯模型:
其中,p表示特征数据的概率值,i表示特征数据的组序数,m表示表示特征数据的组总数,k表示特征参数的序数;N(xi|μk,Σk)表示电器设备的第i组特征数据中第k个特征参数对应的混合高斯函数,πk是电器设备的第i组特征数据中第k个特征参数的权重因子,μk是电器设备的所有组特征数据中第k个特征参数的均值,Σk是电器设备的所有组特征数据中第k个特征参数的协方差;xi表示电器设备的第i组特征数据;
步骤4:由权重因子πk、均值μk和协方差Σk组建构成第k个特征参数的混合高斯模型参数θk=(πk,μk,Σk),针对第j个电器设备通过最大期望算法(EM)求得电器设备所有四个特征参数的混合高斯模型参数j∈[1,D],k∈[1,4],D表示电器设备的总数量;
步骤5:针对电器设备建立总混合高斯模型参数库θM,总混合高斯模型参数库θM的一部分是由电器设备的所有四个特征参数的混合高斯模型参数构成,另一部分是由不同电器设备的各个特征参数的混合高斯模型参数之间以排列组合方式进行每两两融合后的混合高斯模型参数,表示为j,j'∈[1,D],表示第j’个电器设备的第k’个特征参数的混合高斯模型参数,θjj'表示第j个电器设备和第j’个电器设备组合下融合后的混合高斯模型参数;
步骤6:输入某时刻的待识别电器设备的一组特征数据xi,依次带入总混合高斯模型参数库θM中的各个混合高斯模型参数,计算获得概率值p,对应概率值p最大所对应的电器设备或者电器设备的组合作为待识别电器设备的电器类型。
2.根据权利要求1所述的一种智能插座上的电器设备类型识别方法,其特征在于:所述的特征参数的序数k取为k=1-4,k=1表示电流特征参数,k=2表示电压特征参数,k=3表示有功功率特征参数,k=4表示无功功率特征参数。
3.根据权利要求1所述的一种智能插座上的电器设备类型识别方法,其特征在于:所述步骤1在电信号输入到计量芯片前,将电信号电路转换成计量芯片的输入值范围。
4.根据权利要求1所述的一种智能插座上的电器设备类型识别方法,其特征在于:所述的计量芯片经电网电压采样预处理模块、电网电流采样预处理模块连接于电器设备所在的电网电路上。
5.根据权利要求1所述的一种智能插座上的电器设备类型识别方法,其特征在于:所述的电器设备为咖啡机、冰箱和移动电话。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江科技学院,未经浙江科技学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811074038.8/1.html,转载请声明来源钻瓜专利网。