[发明专利]一种基于多维度集成的电力指纹识别方法

权利要求书

1.一种基于多维度集成的电力指纹识别方法，其特征在于，包括以下步骤：

步骤S1、获取用电器的电力指纹数据；

步骤S2、将步骤S1获取的时间维度数据集D₁训练分类器C₁，并计算出每个用电器的概率矩阵M₁；

步骤S3、将步骤S1获取的暂态维度数据集D₂训练分类器C₂，并计算出每个用电器的概率矩阵M₂；

步骤S4、将步骤S1获取的稳态维度数据集D₃训练分类器C₃，并计算出每个用电器的概率矩阵M₃；

步骤S5、将待识别电器的数据输入分类器C₁、分类器C₂、分类器C₃中，依次得到分类结果R₁、R₂、R₃；

步骤S6、根据步骤S5得到的分类结果查询概率矩阵M₁、M₂、M₃相应的数据，依次校正每个电器类别i的初始概率P_i⁰，得到每个电器的后验概率P_i¹；根据步骤S5得到的分类结果以及概率矩阵M₁、M₂、M₃校正每个电器类别i的初始概率P_i⁰，得到每个电器的后验概率P_i¹：

其中：P_i'、P_i”为经过概率矩阵M₁、概率矩阵M₂校正之后电器类别i的后验概率，为校正过程的中间量，M₁(R₁,i)、M₂(R₂,i)、M₃(R₃,i)分别为概率矩阵M₁、M₂、M₃的第Rn行第i列元素,n＝1,2,3；

步骤S7、根据步骤S5得到的P_i¹，对比于初始概率P_i⁰，选取放大倍数α最大的作为识别结果；

步骤S8、检验步骤S7得到的结果，若通过检验，则完成识别，否则检验不通过。

2.根据权利要求1所述的一种基于多维度集成的电力指纹识别方法，其特征在于：步骤S1获取的电力指纹数据包括：包含N种电器类别的电器类别集合A、电器类别对应的初始概率P_i⁰以及集合A中所有电器类别的时间维度数据集D₁、暂态维度数据集D₂、稳态维度数据集D₃。

3.根据权利要求2所述的一种基于多维度集成的电力指纹识别方法，其特征在于：所述时间维度数据集D₁的特征包括但不限于：电器的类型A_i、电器的开启时刻t、电器的持续时间T₁、电器的日开启频率f，其中t和T₁为任意的时间格式，A_i表示为第i个类别；

所述暂态维度数据集D₂的特征包括但不限于：电器的类型A_i、电器开启时刻暂态波形S₁、电器关闭时刻暂态波形S₂、电器的暂态持续时间T₂、暂态过电流倍数β，其中电器开启时刻暂态波形S₁和电器关闭时刻暂态波形S₂以任意采样频率采集；

所述的稳态维度数据集D₃的特征包括但不限于：电器的类型A_i、电器稳定运行时的有功功率P、无功功率Q、视在功率S、功率因素电压谐波H_V、电流谐波H_C，其中电压谐波、电流谐波为相量形式，谐波次数为2-11次或者更多。