[发明专利]负荷识别方法、装置和终端

说明书

本申请涉及一种负荷识别方法、装置和终端。其中负荷识别方法，包括建立初始神经网络模型，获取初始神经网络模型中的待优化参数；根据粒子群寻优算法，获取待优化参数的初始解以及初始解的适应度值；对初始解进行迭代更新处理，得到迭代解并获取迭代解的适应度值；若迭代解的适应度值小于初始解的适应度值，则将初始解替换为迭代解；若迭代解的适应度值大于初始解的适应度值，则根据接受概率将初始解替换为迭代解；进行下一次迭代直至迭代次数达到预设值，并将待优化参数的当前全局最优解确认为初始神经网络模型的初始化参数；对初始化参数进行调整，得到当前神经网络模型；采用当前神经网络模型对投入负荷进行识别，得到各投入负荷的类别。

技术领域

本申请涉及机器学习技术领域，特别是涉及一种负荷识别方法、装置和终端。

背景技术

近年来，随着对人工智能的研究不断深入，电网逐渐趋于智能化，非侵入式负荷识别已成为研究热点。所谓非侵入式负荷识别，就是在用户电力入口处安装非侵入式终端设备，即可分解出用户的用电情况。该技术的意义在于对于电力公司，能帮助其获得用户精细的用电信息，提高电网规划方案的科学性和保证电网实时的安全经济运行；对于用户，则能根据该信息对自身的用电习惯进行调整，从而节约用电。可见，该技术有广阔的发展前景和研究价值。

在实现过程中，发明人发现传统技术中至少存在如下问题：传统负荷识别方法存在效率低、耗费时间长的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种效率高的负荷识别方法、装置和终端。

为了实现上述目的，一方面，本发明实施例提供了一种负荷识别方法，包括步骤：

建立初始神经网络模型，并获取初始神经网络模型中的待优化参数；

根据粒子群寻优算法，获取待优化参数的初始解以及初始解的适应度值；

对初始解进行迭代更新处理，得到迭代解并获取迭代解的适应度值；

若迭代解的适应度值小于初始解的适应度值，则将初始解替换为迭代解；若迭代解的适应度值大于初始解的适应度值，则根据接受概率将初始解替换为迭代解；

进行下一次迭代直至迭代次数达到预设值，并将待优化参数的当前全局最优解确认为初始神经网络模型的初始化参数；

对初始化参数进行调整，得到当前神经网络模型；

采用当前神经网络模型对投入负荷进行识别，得到各投入负荷的类别。

在其中一个实施例中，根据粒子群寻优算法，获取待优化参数的初始解以及初始解的适应度值的步骤包括：

初始化各粒子的位置和速度；将各粒子的位置作为待优化参数的初始解；

根据神经网络模型中的前向传播模型，得到适应度函数；

采用适应度函数对初始解进行处理，得到初始解的适应度值。

在其中一个实施例中，对初始解进行迭代更新处理，得到迭代解的步骤包括：

根据初始解的适应度值，得到粒子的个体极值和群体极值；

获取初始神经网络模型的输入层的神经元个数、隐藏层的神经元个数以及输出层的神经元个数，并根据输入层的神经元个数、隐藏层的神经元个数和输出层的神经元个数，得到粒子的维度；

根据维度、个体极值和群体极值，对初始解进行迭代更新处理得到迭代解。

在其中一个实施例中，根据维度、个体极值和群体极值，对初始解进行迭代更新处理得到迭代解的步骤中，基于以下公式得到迭代解：