[发明专利]用电设备的识别方法、装置、存储介质和处理器在审

专利信息
申请号: 201910803599.5 申请日: 2019-08-28
公开(公告)号: CN110516743A 公开(公告)日: 2019-11-29
发明(设计)人: 李开放;刘丹;周海民 申请(专利权)人: 珠海格力智能装备有限公司;珠海格力电器股份有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/08
代理公司: 11240 北京康信知识产权代理有限责任公司 代理人: 董文倩<国际申请>=<国际公布>=<进入
地址: 519015 广东省珠海市九洲大道中*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电能参数 用电设备 训练数据 神经网络识别 存储介质 电力网络 机器学习 处理器 采集 网络 分析
【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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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珠海格力智能装备有限公司;珠海格力电器股份有限公司,未经珠海格力智能装备有限公司;珠海格力电器股份有限公司许可,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/201910803599.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top