[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

本發明提供一種基于前端感知和學習的能耗判別方法，將學習能力部署于前端，提升前端的智能學習能力，并使得網絡層不再傳輸用戶原始數據，僅傳輸經過特征變換后的映射數據，不僅極大的減輕了網絡的數據傳送數據量，而且大大降低了用戶敏感數據泄露的風險。專門設計的能耗特征表達方法，獨特的前端模塊化架構和部署方式，與一般方法相比，可獨立于遠端平臺獨立工作，也可與遠端平臺協同工作；獨立工作時具備完整的對本地用戶能耗特征的學習功能，協同工作時可提高學習的性能。通過貝葉斯網絡的設計，具備更好的魯棒性，當進入工作狀態后，即使網絡發生故障導致前端和遠端失去連接，前端設備仍可獨立完成智能學習任務。

技術領域

本發明涉及智能電網領域，特別涉及智能電表監控領域。

背景技術

電力是現代社會生產和生活的支柱。一方面，隨著物質生活水平的提高，人們對用電體驗也提出了更高的要求；另一方面，用戶用電規模快速擴大，用電負荷波動更劇烈，為電網規劃、調度等也提出了嚴峻的挑戰。從用戶角度來看，用電信息的透明化可幫助其了解自身的能耗構成，促進節電意識的形成；而從電力運營單位角度來看，對用戶用電負荷的監測和分析有助于為用戶提供精準精益的用能數據服務，實現更科學的電網規劃、發電調度及動態電價政策。

泛在電力物聯網是工業物聯網在電力行業的應用拓展。泛在電力物聯網的整體架構依次為感知層、網絡層、平臺層和應用層。感知層完成“發-輸-變-用”各個單位數據同源采集，以及通過邊緣計算提升各終端智能化；網絡層利用“大、云、物、移、智”等技術手段實現目前電力系統內每一個環節的全覆蓋；平臺層利用物聯管理中心和數據中心等中央集群設施提升數據高效處理和云協同能力；應用層的目的是在保證電網運行安全穩定的基礎上，建設智慧綜合能源互聯網。其中，感知層作為泛在電力物聯網的最前端，是用戶與電網連接的橋梁，是承載著泛在電力物聯網計算、通信、精確控制、遠程協作和自治等功能的核心內容。

現在進行耗電監測時，需要將電表改造成智能電表，需要額外的硬件成本。目前也有使用機器視覺進行監控的方法，雖然不用改造電表，但其對于監控設備的存儲和帶寬要求都很高，才能保證采集的圖像完整、清晰地存儲和傳輸，從而實現在服務器上的準確分析。因此，這需要較大成本，阻礙了機器視覺監控的實際應用。而且，在網絡上直接傳輸用戶的電表圖像，會產生隱私泄露的風險。同時，圖像采集受到環境影響較大，這也使得此項技術的精度不高，誤判率較大。為此，需要提供一種低成本、具有較高準確性、安全性的耗電監測方法。

發明內容

一種基于前端感知和學習的能耗判別方法，包括以下步驟：

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0＜ρ₁＜1，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x是神經網絡的輸入，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：