[发明专利]基于边缘计算的用电设备识别方法、系统、设备及介质

权利要求书

1.基于边缘计算的用电设备识别方法，其特征是，应用于智能检测终端，将智能检测终端视为建筑物联网的边缘计算设备；包括：

S1：从建筑物内入户侧主电路上采集待识别用电设备的电气参数数据；

S2：从采集的待识别用电设备的电气参数数据中提取各次谐波和电流信息，将得到的各次谐波信息与电流值组合成第一一维矩阵；采集待识别用电设备的周波数据，利用周波数据计算电流有效值和谐波，将电流有效值和谐波组成第一一维矩阵；

S3：将所述第一一维矩阵与房间设备特征库进行相似性匹配；如果匹配成功，则从房间设备特征库内选出与所述第一一维矩阵相似度最高的已知设备类型，作为第一一维矩阵对应的设备类型标签；如果匹配失败，则判定待识别用电设备为组合用电设备或新设备；进入下一步；

S4：将房间设备特征库中不同类型设备进行组合，得到组合设备特征库；将组合设备特征库中每个组合下的不同设备特征参数进行参数合成，将不同设备同相位的周期电流进行向量相加，得到组合参数；从合成数据中将每组组合设备的各次谐波和电流值组成第二一维矩阵；

将第一一维矩阵与每组组合设备对应的第二一维矩阵进行相似性匹配；如果匹配成功，则从组合设备特征库中选出与所述第一一维矩阵相似度最高的已知组合设备，输出已知组合设备对应的设备类型标签；

将所述第一一维矩阵与房间设备特征库进行相似性匹配，具体是指计算所述第一一维矩阵与房间设备特征库内不同设备第一一维矩阵的欧式距离；

如果第一一维矩阵与每组组合设备对应的第二一维矩阵的相似性匹配失败，则进入步骤S5；

S5：基于建筑设备特征库、待识别用电设备的第一一维矩阵和KNN算法，输出待识别用电设备的设备类型；

所述步骤S5基于建筑设备特征库、待识别用电设备的第一一维矩阵和KNN算法，输出待识别用电设备的设备类型；具体步骤包括：边缘计算设备将待识别用电设备的第一一维矩阵和已知的建筑设备特征库，均输入到KNN算法中，进行邻近距离分析，输出划分结果，如果待识别用电设备与已知簇质心的距离在设定距离阈值范围内，则距离最近的簇质心对应的标签即为待识别用电设备的设备类型标签，利用待识别用电设备的设备类型标签更新房间设备特征库；否则，标记待识别用电设备为新设备；

边缘计算设备将待识别用电设备的设备类型识别结果通过物联网节点上传给云服务器；

所述建筑物联网，包括：云服务器，所述云服务器与若干个物联网节点连接，每个物联网节点与若干个智能检测终端连接，每个智能检测终端安装在建筑物内入户侧主电路上；

房间设备特征库，按照房间划分，包括：当前房间内单个设备的名称及已有设备的电气参数、每个设备类型标签、每个设备对应的电流有效值和每个设备对应的各次谐波；

建筑设备特征库的构建方法，包括：

采集电气设备的电气参数值；

进行电气参数的预处理，根据电气参数信息，提取各次谐波信息，得到各次谐波与电流值组合的一维矩阵；

将电气参数输入到聚类算法中，对组合一维矩阵进行聚类分析，输出簇划分结果；

若某类电气设备类型已经被标注，则以已标注的标识作为对应簇的类别标识；若有多个标识信息，则以比重大的类型标识作为当前簇的类别，利用当前簇的类别作为当前簇内其他未分类设备的类别；

通过新连接的设备的电气参数与各个簇质心的欧式距离大小确定设备类型；

智能检测终端采集室内所有使用设备的两个周波数据，由128个点组成，取按正弦规律随时间变化的交变电流的两个周波的均匀分布的点；表达式为：

其中，I_m为正弦电流所能达到的最大值；ω为正弦电流的相位随时间变化的速度；为正弦电流在t＝0时的相角；

将交变电流的两个周波截取，当i最大时开始一周波的数据，相位开始的一个完整周波，该完整周波由64个点组成，进而计算电流有效值和1～32次谐波；

利用一个周波的64个点计算电流有效值和1～32次谐波；

电流有效值的计算公式如下:

将采集的周波数据进行初步数据滤波和FFT计算出1到32次谐波I_har1......I_har32；

将上述电流有效值和谐波组成1×33维矩阵作为样本数据：

D₀＝[I_har1 … I_har32 I_rms]；

入户侧的智能检测终端检测到室内用电的参数数据，被判定为新设备或者多设备组合而成时，提取从待识别用电设备90°相位开始的一周波电流的64个点，将其与不同组合的合成周波电流的数据进行欧式距离计算：

选出最小的d对应的合成数据，该合成数据的原始组合设备情况为室内设备类型和状态情况。