[发明专利]电能表负荷监测方法、系统、装置及计算机可读存储介质

权利要求书

1.一种电能表负荷监测方法，其特征在于，包括：

获取电能表处的用电数据，所述用电数据包括电压数据和电流数据；

基于所述用电数据得到特征数据，所述特征数据包括基于所述电压数据和所述电流数据得到的电压-电流轨迹图像，所述特征数据还包括基于所述电流数据得到的谐波特征矩阵；

以所述电压-电流轨迹图像和所述谐波特征矩阵作为预训练神经网络模型的输入，获取用电负荷的类别；

所述用电负荷类别根据运行原理的不同，分为电热大类(纯阻性电器如电热水器，电烤箱、电热水壶)、电磁炉、微波炉、定频空调、变频空调、吹风机、吸尘器、电饭煲、洗衣机和电冰箱。

2.根据权利要求1所述的电能表负荷监测方法，其特征在于，该电能表负荷监测方法还包括：

预先获取各个用电负荷的电流数据和电压数据；

根据各个所述用电负荷的运行原理为各个所述用电负荷添加标签数据，所述标签数据用于区分所述用电负荷的类别；

基于各个所述用电负荷的所述电流数据和所述电压数据得到所述特征数据；

将所有所述特征数据和所有所述标签数据输入卷积神经网络中进行迭代训练，得到所述预训练神经网络模型。

3.根据权利要求2所述的电能表负荷监测方法，其特征在于，所述根据各个所述用电负荷的运行原理为各个所述用电负荷添加标签数据的过程包括：

根据各个所述用电负荷的运行原理，利用one-hot机制为各个所述用电负荷添加标签数据。

4.根据权利要求2所述的电能表负荷监测方法，其特征在于，所述卷积神经网络包括第一输入层，第二输入层，与所述第一输入层连接的第一骨干网络卷积层，所述第二输入层连接的第二骨干网络卷积层，分别与所述第一骨干网络卷积层和所述第二骨干网络卷积层连接的Concatenate层，与所述Concatenate层连接的Flatten层，与所述Flatten层连接的全连接层，与所述全连接层连接的输出层。

5.根据权利要求1所述的电能表负荷监测方法，其特征在于，所述获取用电负荷的类别之后，该电能表负荷监测方法还包括：

获取各个用电负荷的投切状态。

6.根据权利要求1所述的电能表负荷监测方法，其特征在于，基于所述电压数据和所述电流数据得到电压-电流轨迹图像的过程包括：

对所述电压数据和所述电流数据进行去直流处理和标幺化处理；

基于处理后的所述电压数据和所述电流数据得到电压-电流轨迹图像。

7.根据权利要求1-6任意一项所述的电能表负荷监测方法，其特征在于，基于所述电流数据得到谐波特征矩阵的过程包括：

对所述电流数据进行离散傅里叶变换，得到n次谐波序列；

将所述n次谐波序列映射到二维坐标空间，得到所述谐波特征矩阵，其中，所述二维坐标空间的中心点对应基波幅值，其他谐波幅值按照其对应的谐波次数的位置分布在所述二维坐标空间中，所述谐波次数按从低到高的顺序从所述中心点沿所述二维坐标空间的对角线延伸。

8.一种电能表负荷监测系统，其特征在于，包括：

获取模块，用于获取电能表处的用电数据，所述用电数据包括电压数据和电流数据；

计算模块，用于基于所述用电数据得到特征数据，所述特征数据包括基于所述电压数据和所述电流数据得到的电压-电流轨迹图像，所述特征数据还包括基于所述电流数据得到的谐波特征矩阵；

识别模块，用于以所述电压-电流轨迹图像和所述谐波特征矩阵作为预训练神经网络模型的输入，获取用电负荷的类别。

9.一种电能表负荷监测装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1-7任意一项所述的电能表负荷监测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的电能表负荷监测方法的步骤。