基于智能电表的违规电器识别方法及系统技术方案

本发明专利技术提供的基于智能电表的违规电器识别，包括获取违规电器识别要求信息；智能电表检测到用电总功率的功率增量大于预设功率阈值时，智能电表提取采集到的违规电器的暂态特征数据和稳态特征数据；判断暂态特征数据中是否存在冲击电流，若是，则根据稳态特征数据判断违规电器类别，得到违规电器类别；当违规电器识别要求信息为识别违规电器种类时，则将违规电器类别输出。本发明专利技术提供的基于智能电表的违规电器识别，通过基于智能电表采集的暂态特征数据和稳态特征数据，可以精准的识别违规电器，具有普遍适用性。

Identification Method and System of Illegal Electrical Appliances Based on Intelligent Meter

【技术实现步骤摘要】
基于智能电表的违规电器识别方法及系统
本专利技术涉及违规电器识别领域，尤其涉及基于智能电表的违规电器识别方法及系统。
技术介绍
“违规电器”通常为所谓的恶性负载，即纯阻性负载，以恶性负载检测为例，流行的恶性负载检测方法有功率因数法、波形比较法、顺时功率增加法，这些方法简单、易于操作，软硬件容易实现，然而存在误识别率低的弊端，这对于某些应用场合几乎是难以忍受的。因此，有人使用机器学习方法来检测恶性负载，精确度得到了很大的提升，然而，不同场景对违规电器的定义也有所不同。例如，出租屋可能不允许电车充电或存在安全隐患的电器，而学校则杜绝使用任何恶性负载以及大部分的大功率电器(某些可能不是严格意义的恶性负载，如电磁炉，电冰箱等)，因此，采用传统的方法来实现识别违规电器，难度很大，并不具有普遍适用性。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供基于智能电表的违规电器识别方法，其能解决采用传统的方法来实现识别违规电器，难度很大，并不具有普遍适用性的问题。本专利技术的目的之二在于提供基于智能电表的违规电器识别方法，其能解决采用传统的方法来实现识别违规电器，难度很大，并不具有普遍适用性的问题。本专利技术提供目的之一采用以下技术方案实现：基于智能电表的违规电器识别方法，其特征在于，包括以下步骤：信息获取，获取违规电器识别要求信息；特征数据提取，智能电表检测到用电总功率的功率增量大于预设功率阈值时，智能电表提取采集到的违规电器的暂态特征数据和稳态特征数据；违规电器判断，根据所述暂态特征数据以及所述稳态特征数据判断违规电器类别，得到违规电器类别；违规电器类别输出，当所述违规电器识别要求信息为识别违规电器种类时，则将所述违规电器类别输出。进一步地，还包括：当所述违规电器识别要求信息为识别违规电器名称时，将所述暂态特征数据和所述稳态特征数据上传至云端，云端将所述暂态特征数据和所述稳态特征数据输入至预设违规电器识别模型，所述预设违规电器识别模型输出违规电器名称。进一步地，在所述云端将所述暂态特征数据和所述稳态特征数据输入至预设违规电器识别模型之前还包括：对所述暂态特征数据和所述稳态特征数据进行数据归一化处理、降维处理。进一步地，所述降维处理为主成成分分析法或线性判别分析法。进一步地，在所述S5之前还包括：收集不同用电器对应的违规原始暂态特征数据和违规原始稳态特征数据，将违规所述原始暂态特征数据和所述违规原始稳态特征数据作为训练数据，并将所述训练数据输入至预设训练模型中进行训练，得到预设违规电器识别模型。进一步地，所述稳态特征数据包括总谐波失真、功率因数，所述稳态特征数据包括总谐波失真、功率因数，所述违规电器判断包括以下步骤：冲击电流判断，判断所述暂态特征数据中是否存在冲击电流，若是，执行第一判断，若否，则执行第二判断；第一判断，判断所述稳态特征数据中的总谐波失真是否小于预设谐波阈值，若否，则违规电器类别为第三类别设备，其中，所述第三类别设备为含有电机和变频器的设备，若是，当所述稳态特征数据中的功率因素大于预设功率阈值时，所述违规电器类别为第二类别设备，其中，所述第二类别设备为含有电机和阻性负载的设备，当所述稳态特征数据中的功率因素不大于预设功率阈值时，所述违规电器类别为第一类别设备，其中，所述第一类别设备为纯电机设备；第二判断，判断所述稳态特征数据中的总谐波失真是否小于预设谐波阈值，若否，则无违规电器；若是，当所述稳态特征数据中的功率因素大于预设功率阈值时，所述违规电器类别为第四类别设备，其中，所述第四类别设备为纯阻性负载设备。本专利技术提供目的之二采用以下技术方案实现：基于智能电表的违规电器识别系统，其特征在于，包括：获取模块，所述获取模块获取违规电器识别要求信息；智能电表，所述智能电表用于提取采集到的违规电器的暂态特征数据和稳态特征数据；判断模块，所述判断模块用于判断所述暂态特征数据中是否存在冲击电流，若是，则根据所述稳态特征数据判断违规电器类别，得到违规电器类别；输出模块，所述输出模块用于将所述违规电器类别输出。进一步地，还包括数据上传模块和云端，所述数据上传模块用于将所述暂态特征数据和所述稳态特征数据上传至云端，云端将所述暂态特征数据和所述稳态特征数据输入至预设违规电器识别模型，所述预设违规电器识别模型输出违规电器名称，所述云端还用于收集不同用电器对应的违规原始暂态特征数据和违规原始稳态特征数据，将违规所述原始暂态特征数据和所述违规原始稳态特征数据作为训练数据，并将所述训练数据输入至预设训练模型中进行训练，得到预设违规电器识别模型。进一步地，所述云端包括数据输入模块识别模块，所述识别模块含有所述预设违规电器识别模型，所述数据输入模块用于将所述暂态特征数据和所述稳态特征数据输入至所述识别模块，所述识别模块用于输出所述违规电器名称。进一步地，所述云端还包括训练模型模块，所述训练模型模块用于收集不同用电器对应的违规原始暂态特征数据和违规原始稳态特征数据，将违规所述原始暂态特征数据和所述违规原始稳态特征数据作为训练数据，并将所述训练数据输入至预设训练模型中进行训练，得到预设违规电器识别模型。相比现有技术，本专利技术的有益效果在于：本专利技术的基于智能电表的违规电器识别，包括获取违规电器识别要求信息；智能电表检测到用电总功率的功率增量大于预设功率阈值时，智能电表提取采集到的违规电器的暂态特征数据和稳态特征数据；判断暂态特征数据中是否存在冲击电流，若是，则根据稳态特征数据判断违规电器类别，得到违规电器类别；当违规电器识别要求信息为识别违规电器种类时，则将违规电器类别输出。通过基于智能电表采集的暂态特征数据和稳态特征数据，可以精准的识别违规电器，具有普遍适用性。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术的基于智能电表的违规电器识别方法的流程示意图；图2为本专利技术的基于智能电表的违规电器识别方法的模块架构图。具体实施方式下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。如图1所示，本专利技术的基于智能电表的违规电器识别方法，包括以下步骤：信息获取，获取违规电器识别要求信息，在本实施例中，违规电器识别要求信息为识别违规电器种类或识别违规电器名称。特征数据提取，智能电表检测到用电总功率的功率增量大于预设功率阈值时，智能电表提取采集到的违规电器的暂态特征数据和稳态特征数据。本实施例中暂态特征数据包括冲击电流或峰值电流以及上升率等，稳态特征数据包括电压、电流有效值、功率、功率因素、电流曲线的斜率均方根、总谐波失真以及低次谐波占比等，本实施中的总谐波失真为电流的总谐波失真。违规电器判断，根据暂态特征数据以及稳态特征数据判断违规电器类别，得到违规电器类别。具体为：冲击电流判断，判断暂态特征数据中是否存在冲击电流，若是，执行第一判断本文档来自技高网...

【技术保护点】
1.基于智能电表的违规电器识别方法，其特征在于，包括以下步骤：信息获取，获取违规电器识别要求信息；特征数据提取，智能电表检测到用电总功率的功率增量大于预设功率阈值时，智能电表提取采集到的违规电器的暂态特征数据和稳态特征数据；违规电器判断，根据所述暂态特征数据以及所述稳态特征数据判断违规电器类别，得到违规电器类别；违规电器类别输出，当所述违规电器识别要求信息为识别违规电器种类时，则将所述违规电器类别输出。

【技术特征摘要】
1.基于智能电表的违规电器识别方法，其特征在于，包括以下步骤：信息获取，获取违规电器识别要求信息；特征数据提取，智能电表检测到用电总功率的功率增量大于预设功率阈值时，智能电表提取采集到的违规电器的暂态特征数据和稳态特征数据；违规电器判断，根据所述暂态特征数据以及所述稳态特征数据判断违规电器类别，得到违规电器类别；违规电器类别输出，当所述违规电器识别要求信息为识别违规电器种类时，则将所述违规电器类别输出。2.如权利要求1所述基于智能电表的违规电器识别方法，其特征在于：还包括：当所述违规电器识别要求信息为识别违规电器名称时，将所述暂态特征数据和所述稳态特征数据上传至云端，云端将所述暂态特征数据和所述稳态特征数据输入至预设违规电器识别模型，所述预设违规电器识别模型输出违规电器名称。3.如权利要求2所述基于智能电表的违规电器识别方法，其特征在于：在所述云端将所述暂态特征数据和所述稳态特征数据输入至预设违规电器识别模型之前还包括：对所述暂态特征数据和所述稳态特征数据进行数据归一化处理、降维处理。4.如权利要求3所述基于智能电表的违规电器识别方法，其特征在于：所述降维处理为主成成分分析法或线性判别分析法。5.如权利要求2所述基于智能电表的违规电器识别方法，其特征在于：在所述违规电器类别输出之前还包括：收集不同用电器对应的违规原始暂态特征数据和违规原始稳态特征数据，将违规所述原始暂态特征数据和所述违规原始稳态特征数据作为训练数据，并将所述训练数据输入至预设训练模型中进行训练，得到预设违规电器识别模型。6.如权利要求1所述基于智能电表的违规电器识别方法，其特征在于：所述稳态特征数据包括总谐波失真、功率因数，所述违规电器判断包括以下步骤：冲击电流判断，判断所述暂态特征数据中是否存在冲击电流，若是，执行第一判断，若否，则执行第二判断；第一判断，判断所述稳态特征数据中的总谐波失真是否小于预设谐波阈值，若否，则违规电器类别为第三类别设备，其中，所述第三类别设备为含有电机和变频器的设备，若是，当所述稳态特征数据中的功率因素大于预设功率阈值时，所述违规电器类别为第二类别设备，其中，所述第...

【专利技术属性】
技术研发人员：蔡高琰，陈声荣，林江渚，荆永震，
申请(专利权)人：广东浩迪创新科技有限公司，
类型：发明
国别省市：广东,44