[發(fā)明專利]基于知識圖譜的電力負(fù)荷特征量訓(xùn)練的數(shù)據(jù)庫建模方法

在審

• 申請?zhí)枺?/td>: 201911098420.7
• 申請日: 2019-11-12
• 公開（公告）號: CN110866840A
• 公開（公告）日: 2020-03-06
• 發(fā)明（設(shè)計）人: 康兵;許志浩;樊浩;丁貴立;石潤澤;王振;鄭少華;胡藝;劉亞茹;王曉虎
• 申請（專利權(quán)）人: 南昌工程學(xué)院
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06K9/62;G06N3/04
• 代理公司: 南昌卓爾精誠專利代理事務(wù)所(普通合伙) 36133
• 代理人: 陳志輝

1.一種基于知識圖譜的電力負(fù)荷特征量訓(xùn)練的數(shù)據(jù)庫建模方法，其特征在于，包括如下步驟：

S1、通過物聯(lián)網(wǎng)在用戶電表上采集用戶電壓、電流、功率、峰值、電壓與電流的相角變化、功率因數(shù)、諧波成分信息，以獲取電器的使用情況；

S2、初始化波形數(shù)據(jù)第一次去噪聲，高斯模糊多段周期波形，得到穩(wěn)態(tài)下進(jìn)行處理后的波形數(shù)據(jù)；

S3、將波形數(shù)據(jù)執(zhí)行波形分解算法，以獲取到負(fù)荷特征矩陣數(shù)據(jù)；

S4、處理后的波形數(shù)據(jù)執(zhí)行S3中所述的波形分解算法所獲取到的負(fù)荷特征矩陣數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫，對其輸入的數(shù)據(jù)調(diào)用數(shù)據(jù)庫中的特征矩陣數(shù)據(jù)執(zhí)行K-Means聚類算法進(jìn)行識別；若存在則返回負(fù)荷識別結(jié)果；若不存在則輸出未存在數(shù)據(jù)庫，選擇導(dǎo)入數(shù)據(jù)庫，不導(dǎo)入則刪除該負(fù)荷特征矩陣數(shù)據(jù)；

S5、調(diào)用CNN算法對S4中經(jīng)過小波變換后的數(shù)據(jù)進(jìn)行分類，生成多成分電力設(shè)備去干擾負(fù)荷特征矩陣數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫；

S6、對負(fù)荷特征矩陣數(shù)據(jù)執(zhí)行K-Means聚類算法進(jìn)行識別，若存在則返回負(fù)荷識別結(jié)果，若不存在則解析矩陣；

S7、通過高斯模糊去除邊緣矩陣影響，強化中心矩陣在CNN算法中識別的偏置作用，尋找數(shù)據(jù)庫中與輸入矩陣相等的中心子矩陣，給出置信度并輸出中心子矩陣。

2.根據(jù)權(quán)利要求1所述的基于知識圖譜的電力負(fù)荷特征量訓(xùn)練的數(shù)據(jù)庫建模方法，其特征在于，S1中，物聯(lián)網(wǎng)指通過傳感器裝置與技術(shù)，實時采集電力設(shè)備的信息。

3.根據(jù)權(quán)利要求2所述的基于知識圖譜的電力負(fù)荷特征量訓(xùn)練的數(shù)據(jù)庫建模方法，其特征在于，S4中，負(fù)荷特征矩陣數(shù)據(jù)是指電力負(fù)荷的各個特征量組成的矩陣數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的基于知識圖譜的電力負(fù)荷特征量訓(xùn)練的數(shù)據(jù)庫建模方法，其特征在于，S5中，CNN算法是指多元核函數(shù)共同影響對數(shù)據(jù)進(jìn)行二元分類的算法。

5.根據(jù)權(quán)利要求1或4所述的基于知識圖譜的電力負(fù)荷特征量訓(xùn)練的數(shù)據(jù)庫建模方法，其特征在于，S6中，K-Means算法是指使用概率統(tǒng)計對樣本數(shù)據(jù)集進(jìn)行分類，通過尋找實驗輸入數(shù)據(jù)與樣本數(shù)據(jù)集的相似數(shù)據(jù)，給出置信度。