[发明专利]基于知识图谱的电力负荷特征量训练的数据库建模方法

权利要求书

1.一种基于知识图谱的电力负荷特征量训练的数据库建模方法，其特征在于，包括如下步骤：

S1、通过物联网在用户电表上采集用户电压、电流、功率、峰值、电压与电流的相角变化、功率因数、谐波成分信息，以获取电器的使用情况；

S2、初始化波形数据第一次去噪声，高斯模糊多段周期波形，得到稳态下进行处理后的波形数据；

S3、将波形数据执行波形分解算法，以获取到负荷特征矩阵数据；

S4、处理后的波形数据执行S3中所述的波形分解算法所获取到的负荷特征矩阵数据导入数据库，对其输入的数据调用数据库中的特征矩阵数据执行K-Means聚类算法进行识别；若存在则返回负荷识别结果；若不存在则输出未存在数据库，选择导入数据库，不导入则删除该负荷特征矩阵数据；

S5、调用CNN算法对S4中经过小波变换后的数据进行分类，生成多成分电力设备去干扰负荷特征矩阵数据导入数据库；

S6、对负荷特征矩阵数据执行K-Means聚类算法进行识别，若存在则返回负荷识别结果，若不存在则解析矩阵；

S7、通过高斯模糊去除边缘矩阵影响，强化中心矩阵在CNN算法中识别的偏置作用，寻找数据库中与输入矩阵相等的中心子矩阵，给出置信度并输出中心子矩阵。

2.根据权利要求1所述的基于知识图谱的电力负荷特征量训练的数据库建模方法，其特征在于，S1中，物联网指通过传感器装置与技术，实时采集电力设备的信息。

3.根据权利要求2所述的基于知识图谱的电力负荷特征量训练的数据库建模方法，其特征在于，S4中，负荷特征矩阵数据是指电力负荷的各个特征量组成的矩阵数据。

4.根据权利要求3所述的基于知识图谱的电力负荷特征量训练的数据库建模方法，其特征在于，S5中，CNN算法是指多元核函数共同影响对数据进行二元分类的算法。

5.根据权利要求1或4所述的基于知识图谱的电力负荷特征量训练的数据库建模方法，其特征在于，S6中，K-Means算法是指使用概率统计对样本数据集进行分类，通过寻找实验输入数据与样本数据集的相似数据，给出置信度。