一种基于特征融合的负荷识别方法技术

本发明专利技术公开了一种基于特征融合的负荷识别方法，首先使用一种基于电流时序信号的时频域特征融合的信号表示方法，对电流时序数据进行时间序列的图像编码，将电流数据转换为图像，获取了电流信号的时频域特征；然后通过基于二维卷积神经网络和门控循环单元构建的双流神经网络负荷识别模型进行负荷识别，通过本发明专利技术的方法提高了电器识别的准确率，尤其是针对家庭中小功率和多状态电器的精确识别。对家庭中小功率和多状态电器的精确识别。对家庭中小功率和多状态电器的精确识别。

【技术实现步骤摘要】
一种基于特征融合的负荷识别方法


[0001]本专利技术属于负荷识别
，特别涉及一种基于特征融合的负荷识别方法。

技术介绍

[0002]为了能够检测家电设备的能源使用情况，优化家庭能源消耗结构，从而实现家庭节能，家庭用电设备智能监测技术应运而生。现有研究表明，用户对家庭电器详细用电信息知情与否可以使电费开支相差5％
‑
15％。因此，能够及时获取电网中每一用电设备的实时状态和能耗，已成为目前国内外智能电网建设中的重点和瓶颈问题。
[0003]在现有的用电设备监测技术中，非侵入式负载监测技术(NILM)具有部署简便、投资成本低、信息安全性强等优点，运用非侵入式用电目标监测方法只需对总能耗进行监测便可以将能耗分解到单负荷级，尤其适用于家庭用电设备智能监测。但因家庭用电设备中小功率电器和多状态电器占据了较大比重，存在大量的局部波形相似、波动特征不显著、不易区分等问题，对其精准进行负荷监测分解具有较大的难度。因此，对家庭中小功率和多状态电器识别准确率较低的问题亟待解决。虽然现有方法在家庭负荷监测中起到了一定的作用，但是对于相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征融合的负荷识别方法，其特征在于，首先使用一种基于电流时序信号的时频域特征融合的信号表示方法，将电流数据转换为图像；然后通过基于二维卷积神经网络和门控循环单元构建的双流神经网络负荷识别模型进行负荷识别，具体步骤如下：步骤1、数据预处理及特征提取：提取原始电流数据中的稳态特征，并获得特征图；步骤2、特征融合：将提取到的特征图进行特征融合；步骤3、模型训练：将融合后的特征图作为双流神经网络负荷识别模型的输入，训练模型；步骤4、分类输出：对不同的负荷进行分类，输出结果。2.根据权利要求1所述的基于特征融合的负荷识别方法，其特征在于，步骤1中数据预处理及特征提取的方法是：采用将时间序列转换为二维图像的编码方式，将电流时序数据转换为二维图像表示，保留了电流时序数据的时间依赖性；分别是：通过GAF算法和MTF算法分别保存电流信号时域中的静态信息和动态信息，并生成电流频谱图CS，用于表示电流时序数据中的频域特征，增强图像中的频域信息。3.根据权利要求2所述的基于特征融合的负荷识别方法，其特征在于，所述GAF算法中根据编码选取的角度的不同，分为GADF和GASF两种；GAF算法通过在极坐标中表示时间序列来构造图像，方法如下：先将使用的时间序列缩放到区间[
‑
1,1]或[0,1]，通过角余弦和半径分别表示时间序列的值及其对应的时间戳，从而实现时间序列到极坐标的转换；将重新标定的时间序列转换到极坐标系后，通过考虑各点之间的三角和、差来识别不同时间间隔内的时间相关性；通过MTF算法保存时域内的信息，从而编码动态信息，方法如下：首先确定给定时间序列中的每个元素的分位数，通过计算沿时间轴的一阶马尔可夫链的转移来构造一个加权邻接矩阵W，将W归一化后得到马尔可夫转移矩阵；电流频谱图是指和时间相关的傅立叶分析视图，是一种具有三维含义的二维频谱图，它表示电流频谱随时间变化的图形，纵轴是频率，横轴是时间，任意给定频率成分在给定时...

【专利技术属性】
技术研发人员：殷波，魏志强，杜泽华，李可心，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：