[发明专利]一种基于特征可视化的非侵入式负荷识别方法

权利要求书

1.一种基于特征可视化的非侵入式负荷识别方法，其特征在于，实现如下：

把一维电流幅值序列对应的谐波含有率序列通过格拉姆角场和递归图的方法转化为二维图像，再利用基于CNN的图像分类模型完成负荷类型识别的任务。

2.根据权利要求1所述的一种基于特征可视化的非侵入式负荷识别方法，其特征在于，通过对周期性的非正弦波做傅里叶级数分解得到基波和各次谐波分量，公式如下：

其中，c₀表示直流分量，c_m表示m次谐波的幅值，mω表示m次谐波的角频率，表示m次谐波的初相位；

谐波含有率是指谐波分量的均方根值与基波分量的均方根值之比，用百分数表示；h次电流谐波含有率公式如下：

式中，I_hrms表示h次谐波电流的有效值，i_k(k)表示k时刻h次谐波电流的瞬时值，简化后等于电流基波峰值I_1m与谐波分量峰值I_hm之比。

3.根据权利要求1所述的一种基于特征可视化的非侵入式负荷识别方法，其特征在于，将归一化的一维序列数据从笛卡尔坐标系统转换到极坐标系统，然后通过考虑不同点之间的角度和/差以识别不同时间点的内在相关性；做角度和对应实现方法是GASF，做角度差对应实现方法是GADF。

4.根据权利要求3所述的一种基于特征可视化的非侵入式负荷识别方法，其特征在于，格拉姆求和角场GASF和格拉姆差分角场GADF定义如下：

其中，X为电流波形信号。

5.根据权利要求1所述的一种基于特征可视化的非侵入式负荷识别方法，其特征在于，重构相空间，嵌入维数m和延迟时间τ的选取方式为：通过虚假最近邻方法或者C-C算法计算嵌入维数m，通过平均互信息法和平均位移分析法计算延迟时间τ，然后进行相空间重构，得到如下矩阵：

相空间中，i时刻向量X_i和j时刻向量X_j的接近程度用D_ij＝||X_i-X_j||表示，通过计算以下公式来画出递归图：

R_ij＝Θ(ε-D_ij)

其中，ε是阈值，Θ(·)是Heaviside函数。

6.根据权利要求1所述的一种基于特征可视化的非侵入式负荷识别方法，其特征在于，CNN在图像分类领域有着良好的表现，它通过提取不同层次的特征对样本进行监督训练，所述CNN模型具有一个输入层、四个卷积层、两个池化层、三个全连接层和一个输出层。