电力状态的检测方法、装置、设备及存储介质制造方法及图纸

本公开电力状态的检测方法、装置、设备及存储介质。该方法包括：获取用户的电力数据，将所述电力数据转换到频域、得到所述电力数据频域信号；对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特征数据；将所述电力特征数据与预设特征库中的状态特征进行匹配，得到与所述电力特征数据对应的电力状态。由此，本公开通过生成式对抗神经网络中的生成模型来提取电力数据和频域信号的电力特征数据，并通过提取到的电力特征数据与预设数据库中的状态特征进行匹配，得到与所述电力特征数据对应的电力状态，并不需要电力外观数据和环境数据，故此，无需对每一个电力设备进行智能化改造或加装监测装置。

Detection method, device, equipment and storage medium of power state

【技术实现步骤摘要】
电力状态的检测方法、装置、设备及存储介质
本公开属于电力分析
，特别涉及电力状态的检测方法、装置、设备及存储介质。
技术介绍
随着能源、工业互联网的大力发展，数以亿计的电力设备将需要通过先进传感器等物联网技术接入能源或工业互联网等平台，实现了电力设备的智能化管理。在现有的技术中，对用户的电力状态的检测需要确定外观数据和环境数据，因此，需要对每一个电力设备进行智能化改造或加装监测装置。因此，急需一种新的方法来解决上述的问题。
技术实现思路
本公开的目的在于提供一种电力状态的检测方法、装置、设备及存储介质，以解决上述需要对每一个电力设备进行智能化改造或加装监测装置的问题。第一方面，本公开提供一种电力状态的检测方法，所述方法包括：获取用户的电力数据，所述电力数据为电流和/或电压的时域信号；将所述电力数据转换到频域、得到所述电力数据频域信号；对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特征数据；将所述电力特征数据与预设特征库中的状态特征进行匹配，得到与所述电力特征数据对应的电力状态。在一个实施例中，在所述对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特征数据之前，过滤掉所述频域信号中的高于指定谐波的谐波数据。在一个实施例中，对所述电力数据进行预处理，以过滤所述电力数据中的噪音数据。在一个实施例中，过滤掉所述电力数据中符合异常数据特征的数据；和/或，将所述电力数据与预先确定的参考值范围进行比较；所述参考值范围包括基于实测值确定的数据范围和/或基于经验值确定的数据范围；过滤掉所述电力数据中超出所述参考值范围的电力数据。在一个实施例中，基于多个卷积核对所述电力数据和所述频域信号进行卷积操作，得到多个卷积特征；将所述多个卷积特征进行拼接，得到特征图；对所述特征图进行反卷积处理得到所电力特征数据。在一个实施例中，所述电力数据为用户电力入口处的电力数据。在一个实施例中，所述电力数据为传感器采集并上报给智能网关，并由所述智能网关上报给管理平台的。在一个实施例中，将得到的所述电力状态发送给指定的用户设备。在一个实施例中，所述指定谐波是根据电力设备的类型来确定的。第二方面，本公开提供一种电力状态的检测模型的训练方法，所述方法包括：获取训练样本，所述训练样本包括电力数据和所述电力数据的频域信号，所述电力数据为用户的电流和/或电压的时域信号；将所述训练样本输入到生成式对抗神经网络进行训练；其中所述生成式对抗神经网络中包括生成模型和判别模型，所述生成模型用于提取训练样本的电力特征数据，所述判别模型用于判别所述生成模型生成的电力特征数据是否为伪造的数据；其中，所述电力特征数据用于在进行电力状态检测时与预设特征库中的状态特征进行匹配，得到所述电力特征数据对应的电力状态；当所述生成模型和所述判别模型的损失满足指定条件时，结束对所述生成式对抗神经网络的训练。在一个实施例中，所述电力数据的频域信号为已经过滤掉所述频域信号中高于指定谐波的谐波数据。在一个实施例中，所述预设特征库中的状态特征为根据以下方法得到的：得到不同电力状态分别对应的样本集合；针对所述得到的不同电力状态分别对应的样本集合执行：对所述样本集合内的各样本根据预设规则转换成状态矩阵；根据所述样本集合内的各样本的状态矩阵得到所述电力状态对应的状态特征。第三方面，本公开提供一种电力状态检测装置，所述装置包括：获取模块，用于获取用户的电力数据，所述电力数据为电流和/或电压的时域信号；转换模块，用于将所述电力数据转换到频域、得到所述电力数据频域信号；提取模块，用于对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特征数据；匹配模块，用于将所述电力特征数据与预设特征库中的状态特征进行匹配，得到与所述电力特征数据对应的电力状态。在一个实施例中，所述装置还包括：过滤模块，用于在对所述电力数据和所述频域信号进行特征提取，得到所述用户的所述电力特征数据之前，过滤掉所述频域信号中的高于指定谐波的谐波数据。在一个实施例中，所述装置还包括：预处理模块，用于对所述电力数据进行预处理，以过滤所述电力数据中的噪音数据。在一个实施例中，所述预处理模块，用于：过滤掉所述电力数据中符合异常数据特征的数据；和/或，将所述电力数据与预先确定的参考值范围进行比较；所述参考值范围包括基于实测值确定的数据范围和/或基于经验值确定的数据范围；过滤掉所述电力数据中超出所述参考值范围的电力数据。在一个实施例中，所述提取模块，用于：基于多个卷积核对所述电力数据和所述频域信号进行卷积操作，得到多个卷积特征；将所述多个卷积特征进行拼接，得到特征图；对所述特征图进行反卷积处理得到所电力特征数据。在一个实施例中，所述电力数据为用户电力入口处的电力数据。在一个实施例中，所述电力数据为传感器采集并上报给智能网关，并由智能网关上报给管理平台的。在一个实施例中，所述装置还包括：发送模块，用于将得到的所述电力状态发送给指定的用户设备。在一个实施例中，所述指定谐波是根据电力设备的类型来确定的。第四方面，本公开提供一种电力状态的检测模型的训练装置，所述装置包括：样本获取模块，用于获取训练样本，所述训练样本包括电力数据和所述电力数据频域信号，所述电力数据为用户的电流和/或电压的时域信号；训练模块，用于将所述训练样本输入到生成式对抗神经网络进行训练；功能模块，用于其中所述生成式对抗神经网络中包括生成模型和判别模型，所述生成模型用于提取训练样本的电力特征数据，所述判别模型用于判别所述生成模型生成的电力特征数据是否为伪造的数据；其中，所述电力特征数据用于在进行电力状态检测时与预设特征库中的状态特征进行匹配，得到所述电力特征数据对应的电力状态；判别模块，用于当所述生成模型和所述判别模型的损失满足指定条件时，结束对所述生成式对抗神经网络的训练。在一个实施例中，所述电力数据的频域信号为已经过滤掉所述频域信号中高于指定谐波的谐波数据。在一个实施例中，所述预设特征库中的状态特征为根据以下方法得到的：得到样本模块，用于得到不同电力状态分别对应的样本集合；针对所述得到的不同电力状态分别对应的样本集合执行：状态矩阵转换模块，用于对所述样本集合内的各样本根据预设规则转换成状态矩阵；状态特征得到模块，用于根据所述样本集合内的各样本的状态矩阵得到所述电力状态对应的状态特征。根据本公开实施例的第五方面，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的计算机存储介质；其中，所述处理器被配置为执行所述指令，用以实现如第一方面所述的电力状态的检测方法和/或第二方面所述的电力状本文档来自技高网...

【技术保护点】
1.一种电力状态的检测方法，其特征在于，所述方法包括：/n获取用户的电力数据，所述电力数据为电流和/或电压的时域信号；/n将所述电力数据转换到频域、得到所述电力数据频域信号；/n对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特征数据；/n将所述电力特征数据与预设特征库中的状态特征进行匹配，得到与所述电力特征数据对应的电力状态。/n

【技术特征摘要】
1.一种电力状态的检测方法，其特征在于，所述方法包括：
获取用户的电力数据，所述电力数据为电流和/或电压的时域信号；
将所述电力数据转换到频域、得到所述电力数据频域信号；
对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特征数据；
将所述电力特征数据与预设特征库中的状态特征进行匹配，得到与所述电力特征数据对应的电力状态。


2.根据权利要求1所述的方法，其特征在于，在所述对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特征数据之前，所述方法还包括：
过滤掉所述频域信号中的高于指定谐波的谐波数据。


3.根据权利要求1所述的方法，其特征在于，在所述将所述电力数据转换到频域、得到所述电力数据频域信号之前，所述方法还包括：
对所述电力数据进行预处理，以过滤所述电力数据中的噪音数据。


4.根据权利要求3所述的方法，其特征在于，所述对所述电力数据进行预处理，包括：
过滤掉所述电力数据中符合异常数据特征的数据；和/或，
将所述电力数据与预先确定的参考值范围进行比较；所述参考值范围包括基于实测值确定的数据范围和/或基于经验值确定的数据范围；
过滤掉所述电力数据中超出所述参考值范围的数据。


5.根据权利要求1所述的方法，其特征在于，所述对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特征数据，包括：
基于多个卷积核对所述电力数据和所述频域信号进行卷积操作，得到多个卷积特征；
将所述多个卷积特征进行拼接，得到特征图；
对所述特征图进行反卷积处理得到所电力特征数据。


6.根据权利要求1所述的方法，其特征在于，所述电力数据为用户电力入口处的电力数据。


7.根据权利要求1-6中任一所述的方法，其特征在于，所述电力数据为传感器采集并上报给智能网关，并由所述智能网关上报给管理平台的。


8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将得到的所述电力状态发送给指定的用户设备。


9.根据权利要求2所述的方法，其特征在于，所述指定谐波是根据电力设备的类型来确定的。


10.一种电力状态的检测模型的训练方法，其特征在于，所述方法包括：
获取训练样本，所述训练样本包括电力数据和所述电力数据的频域信号，所述电力数据为用户的电流和/或电压的时域信号；
将所述训练样本输入到生成式对抗神经网络进行训练；
其中所述生成式对抗神经网络中包括生成模型和判别模型，所述生成模型用于提取训练样本的电力特征数据，所述判别模型用于判别所述生成模型生成的所述电力特征数据是否为伪造的数据；其中，所述电力特征数据用于在进行电力状态检测时与预设特征库中的状态特征进行匹配，得到所述电力特征数据对应的电力状态；
当所述生成模型和所述判别模型的损失满足指定条件时，结束对所述生成式对抗神经网络的训练。


11.根据权利要求10所述的方法，其特征在于，所述电力数据的频域信号为已经过滤掉所述频域信号中高于指定谐波的谐波数据。


12.根据权利要求10所述的方法，其特征在于，所述预设特征库中的状态特征为根据以下方法得到的：
得到不同电力状态分别对应的样本集合；
针对所述得到的不同电力状态分别对应的样本集合执行：对所述样本集合内的各样本根据预设规则转换成状态矩阵；
根据所述样本集合内的各样本的状态矩阵得到所述电力状态对应的状态特征。


13.一种电力状态的检测装置，其特征在于，所述装置包括：
获取模块，用于获取用户的电力数据，所述电力数据为电流和/或电压的时域信号；
转换模块，用于将所述电力数据转换到频域、得到所述电力数据频域信号；
提取模块，用于对所述电力数据和所述频域信号进行特征提取，得到所述用户的电力特...

【专利技术属性】
技术研发人员：钱坤，张艳梅，仇秋玲，
申请(专利权)人：上海电气集团股份有限公司，
类型：发明
国别省市：上海;31