[發明專利]一種基于前端感知和學習的能耗判別方法

有效

• 申請號: 202110770785.0
• 申請日: 2021-07-07
• 公開（公告）號: CN113420510B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 江疆;王建永;林超
• 申請（專利權）人: 廣東電網有限責任公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q50/06;G06F119/06
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

1.一種基于前端感知和學習的能耗判別方法，其特征在于：

步驟1：利用前端的攝像機模塊連續拍攝電表側的功率數值，采集到圖像I；將拍攝到的圖像I經過預處理方法后，以固定的幀數N打包成若干個批次的原始時序數據包B_i,其包含了對用戶端電表的讀數時序信息；

上述預處理包括：對圖像I依次進行重采樣和歸一化，其中歸一化控制參數0ρ₁1，且其根據時間特征T_d、T_y進行調節；定義T_d為采樣時距離當天零點時的秒數；定義T_y為采樣時距離當年元月一日的天數；

步驟2：構建神經網絡模型，對原始時序數據包B_i進行學習；神經網絡模型由輸入層、輸出層和隱藏層組成，其中損失函數為：

其中y是神經網絡的輸出值，表示訓練樣本的真實輸出，N是樣本數量；θ₁、θ₂為獨立的控制變量；

T_d、T_y和y構成了前端能耗數據的特征，記為F_e，

步驟3：將前端能耗數據的特征傳輸給分類判別模型，

定義：

其中，X表示某個能耗特征F_e的樣本；μ₂、σ₂分別表示訓練樣本集合中所有樣本的均值和方差；

c＝1時，表示樣本對應的時間段內能耗狀況異常，c＝0時，表示樣本對應時間段內用電能耗正常，對于給定的樣本集，概率P(X)為常數，概率P(c)表示能耗正常的樣本與能耗異常的樣本分別占全部樣本的比重；

當通信網絡可用時，由通信網絡獲得P(c)的全網訓練值，并將當前獲得的能耗特征樣本X和c的值發送給遠端云平臺，根據式子(13)計算P(X|c)的值后傳回前端；

當通信網絡不可用時，使用前端預先存儲的P(c)、μ₂、σ₂利用式子(13)和式子(15)計算P(X|c)的值；

步驟4：比較P(0|X)和P(1|X)的值，如果P(0|X)P(1|X)，則判定當前能耗異常，否則能耗正常。

2.如權利要求1所述的方法，其特征在于：前端的攝像機模塊連續拍攝電表側的功率數值，采集圖像的幀率大于1幀/秒。

3.如權利要求1所述的方法，其特征在于：所述采集和預處理在前端實施。

4.如權利要求1所述的方法，其特征在于：求取F_e的步驟在前端實施。

5.如權利要求1所述的方法，其特征在于：當網絡可用時，計算P(X|c)的步驟在云平臺實施。

6.如權利要求1所述的方法，其特征在于：當網絡不可用時，計算P(X|c)的步驟在前端實施。

7.如權利要求1-6任一項所述的方法，其特征在于：判定步驟在前端實施。