[发明专利]一种智能插座上的电器设备类型识别方法

说明书

本发明公开了一种智能插座上的电器设备类型识别方法。采集插座上的电信号，利用计量芯片计算特征参数，获取每个电器设备时刻下的特征数据，建立混合高斯模型，组建构成混合高斯模型参数，求得电器设备所有四个特征参数的混合高斯模型参数；建立总混合高斯模型参数库，输入待识别电器设备的一组特征数据，依次带入总混合高斯模型参数库计算获得概率值，取概率值最大所对应的作为电器类型。本发明能根据从电器设备所在家庭电网采集的数据信息识别出当下工作的电器类型，针对于家庭内的电器设备具有很好的准确性和鲁棒性。

技术领域

本发明涉及了一种电器识别方法，尤其是涉及一种智能插座上的电器设备类型识别方法，属于电网数据处理领域。

背景技术

随着社会经济的发展，节能的观念也逐步受到重视。越来越多的企业或者家庭根据电器的工作状态，通过不同的控制技术实现节能的目的。为了了解电器设备的工作状态，需要对电器进行监测，监测电器的工作状态。因此，需要一种电器识别算法，能知道何种电器设备在工作。基于此目标，需要一种有效的电器识别方法，该算法对电力数据进行采集，建立电器设备对应特征库，并根据识别算法，识别出哪种电器在工作，并把识别工作状况发送给控制端。

发明内容

为了能掌握智能插座上有哪些电器设备在工作，本发明提供了一种智能插座上的电器设备类型识别方法，能根据从电器设备所在家庭电网采集的数据信息识别出当下工作的电器类型。

如图1所示，本发明解决其技术问题的技术方案是：

步骤1：采集插座上的电信号，将电信号电路转换成计量芯片的输入值范围；

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；

具体实施中，有功功率和无功功率的特征参数是通过电流和电压计算获得。

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，一时刻对应一组特征数据，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，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；N(xⁱ|μ_k,Σ_k)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，π_k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，μ_k是电器设备的所有组特征数据中第k个特征参数的均值，Σ_k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，包括第i组对应时刻下所采集的电流、电压、有功功率和无功功率；

步骤4：由权重因子π_k、均值μ_k和协方差Σ_k组建构成第k个特征参数的混合高斯模型参数θ_k＝(π_k,μ_k,Σ_k)，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；