非侵入式负荷识别方法、识别器、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种非侵入式负荷识别方法、识别器、装置、设备及介质，涉及电力技术领域，所述方法包括：采集电力线中的电流数据和电压数据；根据所述电流数据和电压数据计算出各时刻的功率绝对值；对所述电力线进行投切检测，并根据所述功率绝对值确定投切点；根据所述投切点截取目标电流数据及目标电压数据，并对所述目标电流数据及目标电压数据进行小波变换以生成WT时频谱矩阵；将所述WT时频谱矩阵输入预先训练好的负荷识别模型，以生成检测结果。采用本发明专利技术，可以自适应提取原始信号中对负荷识别更有效的特征，提升负荷识别的准确率。

【技术实现步骤摘要】

本专利技术涉及电力，尤其涉及一种非侵入式负荷识别方法、识别器、装置、设备及介质。

技术介绍

1、随着科技的发展，各种家用电器为人们日常生活中提供众多便利，但是随着时间的迁移，有限的非再生资源与逐渐增加的电力需求的矛盾日益突出。因此需要采取措施减少不必要的电能消耗。作为电力资源管理的有效解决方案，智能用电的关键技术是负荷识别技术，该技术能够获得负荷的能耗详情和用户的用电行为等，用户可以调整自己的用电行为，达到节能的目的。

2、目前电力系统内的负荷识别大多使用人工提取时域或者频域特征，并采用阈值法或者机器学习的方法建立负荷识别模型，从而进行负荷识别。其中，使用阈值法的负荷识别模型只适用于对准确率不高的使用场景；而使用机器学习方法的负荷识别模型，由于数据特征都是人工提取，无法准确表达原始信号的信息，导致检测结果不准确。

技术实现思路

1、本专利技术所要解决的技术问题在于，提供一种非侵入式负荷识别方法、识别器、装置、设备及介质，可提升负荷识别的准确率。

2、为了解决上述技术问题，本专利技术提供本文档来自技高网...

【技术保护点】

1.一种基于深度学习的非侵入式负荷识别方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的非侵入式负荷识别方法，其特征在于，所述WT时频谱矩阵包括上下拼接的电流WT时频谱矩阵及电压WT时频谱矩阵。

3.如权利要求1或2所述的基于深度学习的非侵入式负荷识别方法，其特征在于，所述对所述目标电流数据及目标电压数据进行小波变换以生成WT时频谱矩阵的步骤包括：

4.如权利要求1所述的基于深度学习的非侵入式负荷识别方法，其特征在于，所述负荷识别模型为CNN模型，所述负荷识别模型采用CNN检测算法生成检测结果，所述CNN检测算法包括：</p>

5.如权...

【技术特征摘要】

1.一种基于深度学习的非侵入式负荷识别方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的非侵入式负荷识别方法，其特征在于，所述wt时频谱矩阵包括上下拼接的电流wt时频谱矩阵及电压wt时频谱矩阵。

3.如权利要求1或2所述的基于深度学习的非侵入式负荷识别方法，其特征在于，所述对所述目标电流数据及目标电压数据进行小波变换以生成wt时频谱矩阵的步骤包括：

4.如权利要求1所述的基于深度学习的非侵入式负荷识别方法，其特征在于，所述负荷识别模型为cnn模型，所述负荷识别模型采用cnn检测算法生成检测结果，所述cnn检测算法包括：

5.如权利要求1所述的基于深度学习的非侵入式负荷识别方法，其特征在于，所述根据所述电流数据和电压数据计算出各时刻的功率绝对值的步骤包括：

6.如...

【专利技术属性】
技术研发人员：梁治华，周富林，尹志荣，李昭强，卢兆良，李平奇，叶韵静，
申请(专利权)人：昇辉控股有限公司，
类型：发明
国别省市：