【技术实现步骤摘要】
一种基于LSTM的非侵入式用电器识别方法、系统及设备
[0001]本专利技术属于用电器识别
,尤其涉及一种非侵入式用电器识别方法、系统及设备。
技术介绍
[0002]目前,在如今大量使用电力能源的时代,电力监控是一个重要的话题。在家用电力领域,家用电器识别的要求不断被重视。已有的电器监控设备往往无法兼顾高精度和低成本这两个需求。作为家用识别装置,目前市场上已有的多是成本相对较低的非侵入式电器监控装置,为了在节约成本的同时保证识别的准确性,如今的监控装置多采用一些神经网络或者人工智能的算法,需要电脑参与训练和识别过程,带来了系统功耗的增加以及成本的增加。当然同时也有一些采用简单识别方式的设备,但难以维持较好的识别效果,实际使用效果堪忧。总体来说,在家用电器识别这一领域,高精度和低成本的需求难以两全。
[0003]近年来,随着社会经济的飞速发展,工业能源消耗和家庭能源使用量都在急剧上涨。在社会生产力能力持续增强,人民物质生活水平不断提高的同时,能源需求量也同步提升,这给能源供应系统提出了巨大的挑战,尤其是诸如电能等传统能源。来自多方面的,多种类的能源接入量给电力系统提供了大量的资源供应压力。对于如何提高能源使用效率这一课题,物联网技术正处于研究的最前端,它可以灵活地感知电力系统状态,面对变化的负载用电情况及时进行智能通信、控制和调整。而在居民用电领域中,物联网电力控制系统具体落实为家用电器状况监控、用电情况通报和用电器智能调控等。
[0004]面对这些家庭电力监控需求,识别电器种类、检测电器使用状态 ...
【技术保护点】
【技术特征摘要】
1.一种非侵入式用电器识别方法,其特征在于,所述非侵入式用电器识别方法包括:利用电流互感器和电压过零检测电路,同步取样用电器的电流,通过对电流数据提取特征参数并判断出投切事件后,再对变换的电流数据利用长短时记忆神经网络识别出投切的用电器种类,最后结合累积和智能识别出当前用电器的种类和数量。2.如权利要求1所述非侵入式用电器识别方法,其特征在于,所述非侵入式用电器识别方法包括以下步骤:步骤一,进行用电器参数获取并缓冲在MCU的内存中;步骤二,进行LSTM神经网络的训练;步骤三,进行用电器特征特征参数提取,并利用这些特征判断用电器的投切事件;步骤四,利用训练好的LSTM神经网络进行用电器识别;步骤五,基于累计和(CUSUM)智能识别出当前用电器的种类和数量。3.如权利要求2所述非侵入式用电器识别方法,其特征在于,所述步骤一中的用电器参数获取包括:获取的用电器参数是电流信息,通过电流互感器和电压过零检测电路,在电压过零点,同步取样用电器的电流数据;取样通过MCU控制ADC模块实现;取样得到的数据缓冲在MCU的内存中。4.如权利要求2所述非侵入式用电器识别方法,其特征在于,所述步骤二中的神经网络训练包括:(1)LSTM神经网络采用LSTM神经网络实现用电器的识别;基于LSTM神经网络,以单个用电器自身电流数据为训练数据,通过迭代训练的方法建立用电器学习模型;LSTM单元结构包含遗忘门f
t
,输入门i
t
和输出门o
t
三个对信息进行筛选的门神经元和一个内部记忆神经元其中,σ表示sigmoid函数,tanh表示双曲正切函数,h
t
表示该单元结构的输出,C
t
为该细胞状态;在神经网络学习过程中,历史学习信息将由遗忘门f
t
筛选出对下一次学习有用的信息;当前时刻t的输入x
t
与上一时刻输出h
t
‑1拼接后,经过激活函数sigmoid后的结果与上一时刻的细胞输出C
t
‑1点乘,从而实现对上一时刻的学习信息进行筛选;其中决定遗忘门的公式为:f
t
=σ(W
f
[h
t
‑1;x
t
]+b
f
);式中,W
f
为遗忘门权重矩阵,b
f
为遗忘门偏置向量;输入门i
t
用于决定输入x
t
中被加入与细胞状态中的信息;输入x
t
经过激活函数sigmoid得到结果i
t
用于决定被更新的信息;输入x
t
经过函数tanh的结果代表当前时刻的信息,计算公式为:i
t
=σ(W
i
[h
t
‑1;x
t
]+b
i
);式中,W
i
,W
c
为输入门权重矩阵,b
i
,b
c
为输入门偏置向量;
根据当前时刻输入得到的i
t
和c
t
点乘结果与遗忘门对上一时刻细胞状态的筛选结果相加,得到当前细胞状态C
t
:式中,
⊙
表示按元素相乘;输出门o
t
由当前时刻输入x
t
、上一时刻单元结构的输出h
t
‑1以及当前细胞状态C
t
决定,单元结构的输出h
t
由o
t
与C
t
运算得到:o
t
=σ(W
o
[h
t
‑1;x
t
]+b0);h
t
=o
t
⊙
tanh C
t
;式中,W
o
为输出门权重矩阵,b0为输出门偏置向量;(2)ND
‑
LSTM模型结构ND
‑
LSTM采用单层LSTM网络,并加入丢弃层防止对训练数据过拟合,实现部署至嵌入式控制芯片的轻量级神经...
【专利技术属性】
技术研发人员:顾文杰,吴拨云,秦少阳,何先灯,
申请(专利权)人:陕西溪麓电子科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。