[发明专利]用电设备的识别方法、装置、存储介质和处理器

权利要求书

1.一种用电设备的识别方法，其特征在于，包括：

采集电力网络的公共端的电能参数，所述电能参数至少包括电压和电流；

采用神经网络识别模型进行分析，确定所述电能参数对应的处于工作状态的用电设备的类型，其中，所述神经网络识别模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组训练数据均包括：训练电能参数和训练用电设备的类型，所述训练用电设备的类型与所述训练电能参数一一对应。

2.根据权利要求1所述的方法，其特征在于，采用所述神经网络识别模型进行分析，确定所述电能参数对应的处于工作状态的用电设备的类型，包括：

对所述电能参数进行预处理，得到特征参数，所述特征参数为变化速率大于阈值的所述电能参数所在的频段；

基于所述特征参数与所述神经网络识别模型确定处于工作状态的所述用电设备的类型。

3.根据权利要求1所述的方法，其特征在于，所述神经网络识别模型的获取过程包括：

对所述训练电能参数进行预处理，得到训练特征参数，所述特征参数为变化速率大于阈值的所述训练电能参数所在的频段；

根据所述训练特征参数以及所述训练用电设备的类型，建立所述特征参数与所述用电设备的类型的对应关系。

4.根据权利要求2或3中任一项所述的方法，其特征在于，所述预处理为傅里叶变换。

5.根据权利要求1所述的方法，其特征在于，所述电能参数还包括以下至少之一：功率、有功功率、无功功率和功率因数。

6.一种用电设备的识别装置，其特征在于，包括：

采集单元，用于采集电力网络的公共端的电能参数，所述电能参数至少包括电压和电流；

识别单元，用于采用神经网络识别模型进行分析，确定所述电能参数对应的处于工作状态的用电设备的类型，其中，所述神经网络识别模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组训练数据均包括：训练电能参数和训练用电设备的类型，所述训练用电设备的类型与所述训练电能参数一一对应。

7.根据权利要求6所述的装置，其特征在于，所述识别单元包括：

第一处理模块，用于对所述电能参数进行预处理，得到特征参数，所述特征参数为预定频段的电能参数；

第一确定模块，用于基于所述特征参数与所述神经网络识别模型确定处于工作状态的所述用电设备的类型。

8.根据权利要求6所述的装置，其特征在于，所述识别装置还包括训练单元，所述训练单元包括：

第二处理模块，用于对所述训练电能参数进行预处理，得到训练特征参数，所述特征参数为变化速率大于阈值的所述训练电能参数所在的频段；

第二确定模块，用于根据所述训练特征参数以及所述训练用电设备的类型，建立所述特征参数与所述用电设备的类型的对应关系。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的用电设备的识别方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的用电设备的识别方法。