[发明专利]利用神经网络进行电器类别判断的方法、装置及设备

权利要求书

1.一种利用神经网络进行电器类别判断的方法，其特征在于，包括：

获取待判别的目标电器的宏观电学信号以及微观电学信号；

对所述宏观电学信号以及微观电学信号进行特征提取，得到对应的多组特征；

将所述的多组特征进行拼接，得到电器开关状态特征；

将所述电器开关状态特征输入至预定的BP神经网络中，以经由所述BP神经网络输出所述目标电器的类别。

2.根据权利要求1所述的利用神经网络进行电器类别判断的方法，其特征在于，所述宏观电学信号包括电器开关时刻的基波电流电压相位差；所述微观电学信号包括电流时序波形数据。

3.根据权利要求2所述的利用神经网络进行电器类别判断的方法，其特征在于，所述对所述宏观电学信号以及微观电学信号进行特征提取，得到对应的多组特征具体为：

将电流时序波形数据进行离散小波变换，得到重采样后的时域数据t₁以及小波系数f₁；

对重采样的时域数据t₁进行快速傅里叶变换，得到对应的频域特征f₂；

使用第一RNN提取时域数据t₁的特征得到f₃，由此通过电流时序波形数据得到了三组特征f₁、f₂、f₃；

将宏观电学特征输入至第二RNN中，得到特征f₄。

4.根据权利要求3所述的利用神经网络进行电器类别判断的方法，其特征在于，将所述电器开关状态特征输入至预定的BP神经网络中，以经由所述BP神经网络输出所述电器的类别，具体为：

通过BP神经网络将具有第一维度的电器开关状态特征投影到第二维度的空间；其中，所述第一维度大于第二维度，所述空间中的每个坐标轴代表了一种已知的电器；

计算所述目标电器在各个坐标轴投影的几何距离，以计算出目标电器与各个已知的电器的相似程度；

根据所述相似程度判断所述目标电器的类别。

5.根据权利要求4所述的利用神经网络进行电器类别判断的方法，其特征在于，当需要添加未知电器到已知电器库中，则将所述未知电器的投影向量添加到所述空间中即可。

6.根据权利要求1所述的利用神经网络进行电器类别判断的方法，其特征在于，在获取待判别的目标电器的宏观电学信号以及微观电学信号之前，还包括：

收集电学信号并对所述电学信号设置标签；其中，所述电学信号包括单个电器工作时产生的电学信号以及多个电器同时工作时产生的电学信号；

对所述电学信号进行特征提取，得到对应的特征向量；

将提取的特征向量作为BP神经网络的输入，将设置的标签作为输出，对所述BP神经网络进行训练。

7.一种利用神经网络进行电器类别判断的装置，其特征在于，包括：

信号获取单元，用于获取待判别的目标电器的宏观电学信号以及微观电学信号；

特征提取单元，用于对所述宏观电学信号以及微观电学信号进行特征提取，得到对应的多组特征；

特征拼接单元，用于将所述的多组特征进行拼接，得到电器开关状态特征；

判别单元，用于将所述电器开关状态特征输入至预定的BP神经网络中，以经由所述BP神经网络输出所述目标电器的类别。

8.根据权利要求7所述的利用神经网络进行电器类别判断的装置，其特征在于，所述宏观电学信号包括电器开关时刻的基波电流电压相位差；所述微观电学信号包括电流时序波形数据。