[发明专利]基于智能电表数据的家用电器运行状态非侵入式检测方法

权利要求书

1.一种基于智能电表数据的家用电器运行状态非侵入式检测方法，包括以下步骤：

步骤一、采集数据：采集多个用户家庭在一段时间内的用电总功率数据和预测电器的消耗功率数据，将采集的数据集分为得到训练集和测试集；

步骤二、数据标注和预处理：根据电器的消耗功率对电器运行状态进行标注，并对采集的功率数据进行归一化处理；

步骤三、搭建深度学习网络模型：采用TensorFlow架构搭建LSTM深度学习网络，调整网络的输入参数、网络层数得到最优的LSTM网络模型；

步骤四、训练及测试深度学习网络模型：使用步骤二产生的训练集对搭建的LSTM深度学习网络进行训练，不断优化网络，提高网络训练精度，得到训练好的LSTM网络模型；

步骤五：使用步骤二产生的测试数据集对训练好的LSTM网络模型进行测试，计算网络预测准确率；

步骤六、采集任意家庭入户智能电表功率数据，作为LSTM网络模型的输入，检测识别多个家用电器的运行状态。

2.根据权利要求1所述的基于智能电表数据的家用电器运行状态非侵入式检测方法，其特征在于，所述步骤一中，使用家庭智能电表采集用户家庭用电总功率数据，电表的采样频率为1/6Hz；在家用电器上安装智能插座，采集M个预测电器的消耗功率数据。

3.根据权利要求1所述的基于智能电表数据的家用电器运行状态非侵入式检测方法，其特征在于，所述步骤二中，根据电器的消耗功率对电器运行状态进行标注，对预测电器设置功率阈值，将超过阈值的消耗功率标注为‘1’，低于阈值的标注为‘0’；对采集的功率数据进行预处理，根据功率数据的标注状态设置电器运行状态，将训练集合测试集的数据进行归一化处理，同时使数据格式符合LSTM网络模型的输入输出格式；

归一化处理采用离差标准化方法处理总功率数据，具体公式为：

其中x_i为某条总功率数据的第i个值，m为总功率数据的数量，x_min为所有总功率的最小值，x_max为所有总功率的最大值，x_i'为归一化后的数据。