[发明专利]一种基于特征可视化的非侵入式负荷识别方法

说明书

本发明涉及一种基于特征可视化的非侵入式负荷识别方法。针对传统基于一维序列特征量的负荷识别算法，其网络模型参数庞大、多负荷同时工作时大功率负荷和谐波丰富负荷导致识别准确率较低的问题，对原始电流数据进行谐波分析，再通过格拉姆角场(Gramian Angular Field，GAF)、递归图(Recurrence Plot，RP)的方法将一维谐波特征序列转化为二维图像，作为基于CNN的图像分类模型的输入。在采用特征可视化方法后，使用比传统算法规模更小的网络和计算开销，就可以在PLAID数据集上达到98.272％的负荷辨识准确率、在自行采集的数据集上达到96.573%的负荷辨识准确率。

技术领域

本发明涉及一种基于特征可视化的非侵入式负荷识别方法。

背景技术

传统基于一维序列特征量的负荷识别算法，其网络模型参数庞大、多负荷同时工作时大功率负荷和谐波丰富负荷导致准确率较低。当前的研究集中在对负荷的一维序列特征的分析上，未考虑信号的时间相关性，浪费了时间尺度上的信息特征。随着家庭用电设备数量的增加，功率相近的负荷容易被错认；同时，小功率负荷容易被大功率负荷淹没；导致算法普遍存在网络模型参数庞大、模型训练开销大、识别模糊等不足。

发明内容

本发明的目的在于解决现有技术存在缺陷，提供一种基于特征可视化的非侵入式负荷识别方法。

为实现上述目的，本发明的技术方案是：一种基于特征可视化的非侵入式负荷识别方法，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。

在本发明一实施例中，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_h譀ms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。

在本发明一实施例中，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。

在本发明一实施例中，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。

在本发明一实施例中，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。