一种增量协同Attention卷积的电力终端多标签识别与拒识方法技术

本发明专利技术提出一种增量协同Attention卷积的电力终端多标签识别与拒识方法，该方法将多标签识别与拒识、支持向量机、增量学习、协同注意力机制和移动卷积神经网络结合，用于电力终端识别。所述方法的步骤为：用电数据获取，利用蛇形矩阵进行数据预处理，协同注意力机制和移动卷积神经网络训练，识别，未被学习的电力终端的增量处理，采用One‑Versus‑All策略建立多个二分类器，分类器训练与预测，计算每个分类器的置信度概率值和拒识。所述方法能解决电力终端的识别问题，实现同时识别电力终端多个标签的功能，优化电力终端多标签识别与拒识的性能和计算过程，提高识别结果的可靠性和实时性。

【技术实现步骤摘要】

本专利技术属于电力系统、人工智能、机器学习和卷积神经网络领域，涉及一种电力终端识别的机器学习方法，适用于电力系统配电网的电力终端识别。

技术介绍

1、为研究不同的电力终端接入对电力系统配电网带来的影响和为需求侧管理提供参考，提高电力系统运行效率和稳定性，对接入电力系统配电网的电力终端进行识别是必要的。在边缘计算技术大规模应用的背景下，将非侵入式电力终端识别下沉到用户边际能解决中心计算负担过大的问题。但边缘计算设备计算能力有限，这要求识别方法能够在嵌入式设备上快速地执行。

2、多标签分类法采用one-versus-all策略将多标签分类问题转化为多个二分类问题，对每个子模型建立一个支持向量机，通过比较支持向量机输出的置信度概率值与设定阈值的大小来完成拒识。多标签分类法将获取的样本分成不同的用电设备类别，并为每一个类别打上相应的标签，以便后续进行分类识别，从而进一步提高标签分类的准确性和稳定性。

3、移动卷积神经网络通过卷积层和池化层的作用，能够将输入数据快速降维。通过测量得到的电力终端波形数据量较大，将其转换成电力终端图矩阵的形式后，本文档来自技高网...

【技术保护点】

1.一种增量协同Attention卷积的电力终端多标签识别与拒识方法，其特征在于，将多标签识别与拒识、支持向量机、增量学习、协同注意力机制和移动卷积神经网络结合，用于电力终端识别，实现对电力终端的快速、精准识别；基于增量协同Attention卷积的电力终端多标签识别与拒识方法分为以下9个步骤：

【技术特征摘要】

1.一种增量协同attention卷积的电力终端多标签识别与拒识方法，其特征在于，将多标签识别与拒识、支持向量机、增量学习、协同注意力机制和移动卷积...

【专利技术属性】
技术研发人员：殷林飞，王楠楠，卢泉，胡立坤，
申请(专利权)人：广西大学，
类型：发明
国别省市：