[發(fā)明專利]電力狀態(tài)的檢測方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202010185256.X
• 申請日: 2020-03-17
• 公開（公告）號: CN111190922A
• 公開（公告）日: 2020-05-22
• 發(fā)明（設計）人: 錢坤;張艷梅;仇秋玲
• 申請（專利權）人: 上海電氣集團股份有限公司
• 主分類號: G06F16/245
• 分類號: G06F16/245;G06K9/00;G06Q50/06;G06N3/04
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 王英

1.一種電力狀態(tài)的檢測方法，其特征在于，所述方法包括：

獲取用戶的電力數據，所述電力數據為電流和/或電壓的時域信號；

將所述電力數據轉換到頻域、得到所述電力數據頻域信號；

對所述電力數據和所述頻域信號進行特征提取，得到所述用戶的電力特征數據；

將所述電力特征數據與預設特征庫中的狀態(tài)特征進行匹配，得到與所述電力特征數據對應的電力狀態(tài)。

2.根據權利要求1所述的方法，其特征在于，在所述對所述電力數據和所述頻域信號進行特征提取，得到所述用戶的電力特征數據之前，所述方法還包括：

過濾掉所述頻域信號中的高于指定諧波的諧波數據。

3.根據權利要求1所述的方法，其特征在于，在所述將所述電力數據轉換到頻域、得到所述電力數據頻域信號之前，所述方法還包括：

對所述電力數據進行預處理，以過濾所述電力數據中的噪音數據。

4.根據權利要求3所述的方法，其特征在于，所述對所述電力數據進行預處理，包括：

過濾掉所述電力數據中符合異常數據特征的數據；和/或，

將所述電力數據與預先確定的參考值范圍進行比較；所述參考值范圍包括基于實測值確定的數據范圍和/或基于經驗值確定的數據范圍；

過濾掉所述電力數據中超出所述參考值范圍的數據。

5.根據權利要求1所述的方法，其特征在于，所述對所述電力數據和所述頻域信號進行特征提取，得到所述用戶的電力特征數據，包括：

基于多個卷積核對所述電力數據和所述頻域信號進行卷積操作，得到多個卷積特征；

將所述多個卷積特征進行拼接，得到特征圖；

對所述特征圖進行反卷積處理得到所電力特征數據。

6.根據權利要求1所述的方法，其特征在于，所述電力數據為用戶電力入口處的電力數據。

7.根據權利要求1-6中任一所述的方法，其特征在于，所述電力數據為傳感器采集并上報給智能網關，并由所述智能網關上報給管理平臺的。

8.根據權利要求1所述的方法，其特征在于，所述方法還包括：

將得到的所述電力狀態(tài)發(fā)送給指定的用戶設備。

9.根據權利要求2所述的方法，其特征在于，所述指定諧波是根據電力設備的類型來確定的。

10.一種電力狀態(tài)的檢測模型的訓練方法，其特征在于，所述方法包括：

獲取訓練樣本，所述訓練樣本包括電力數據和所述電力數據的頻域信號，所述電力數據為用戶的電流和/或電壓的時域信號；

將所述訓練樣本輸入到生成式對抗神經網絡進行訓練；

其中所述生成式對抗神經網絡中包括生成模型和判別模型，所述生成模型用于提取訓練樣本的電力特征數據，所述判別模型用于判別所述生成模型生成的所述電力特征數據是否為偽造的數據；其中，所述電力特征數據用于在進行電力狀態(tài)檢測時與預設特征庫中的狀態(tài)特征進行匹配，得到所述電力特征數據對應的電力狀態(tài)；

當所述生成模型和所述判別模型的損失滿足指定條件時，結束對所述生成式對抗神經網絡的訓練。

11.根據權利要求10所述的方法，其特征在于，所述電力數據的頻域信號為已經過濾掉所述頻域信號中高于指定諧波的諧波數據。

12.根據權利要求10所述的方法，其特征在于，所述預設特征庫中的狀態(tài)特征為根據以下方法得到的：

得到不同電力狀態(tài)分別對應的樣本集合；

針對所述得到的不同電力狀態(tài)分別對應的樣本集合執(zhí)行：對所述樣本集合內的各樣本根據預設規(guī)則轉換成狀態(tài)矩陣；

根據所述樣本集合內的各樣本的狀態(tài)矩陣得到所述電力狀態(tài)對應的狀態(tài)特征。