[發明專利]一種基于特征可視化的非侵入式負荷識別方法

在審

• 申請號: 202111487529.7
• 申請日: 2021-12-07
• 公開（公告）號: CN114169435A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 王澍;徐藝文;董秀青;何念;鄭旭丹
• 申請（專利權）人: 福州大學至誠學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06V10/764;G06V10/774;G06V10/40
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

本發明涉及一種基于特征可視化的非侵入式負荷識別方法。針對傳統基于一維序列特征量的負荷識別算法，其網絡模型參數龐大、多負荷同時工作時大功率負荷和諧波豐富負荷導致識別準確率較低的問題，對原始電流數據進行諧波分析，再通過格拉姆角場(Gramian Angular Field，GAF)、遞歸圖(Recurrence Plot，RP)的方法將一維諧波特征序列轉化為二維圖像，作為基于CNN的圖像分類模型的輸入。在采用特征可視化方法后，使用比傳統算法規模更小的網絡和計算開銷，就可以在PLAID數據集上達到98.272％的負荷辨識準確率、在自行采集的數據集上達到96.573%的負荷辨識準確率。

技術領域

本發明涉及一種基于特征可視化的非侵入式負荷識別方法。

背景技術

傳統基于一維序列特征量的負荷識別算法，其網絡模型參數龐大、多負荷同時工作時大功率負荷和諧波豐富負荷導致準確率較低。當前的研究集中在對負荷的一維序列特征的分析上，未考慮信號的時間相關性，浪費了時間尺度上的信息特征。隨著家庭用電設備數量的增加，功率相近的負荷容易被錯認；同時，小功率負荷容易被大功率負荷淹沒；導致算法普遍存在網絡模型參數龐大、模型訓練開銷大、識別模糊等不足。

發明內容

本發明的目的在于解決現有技術存在缺陷，提供一種基于特征可視化的非侵入式負荷識別方法。

為實現上述目的，本發明的技術方案是：一種基于特征可視化的非侵入式負荷識別方法，實現如下：

把一維電流幅值序列對應的諧波含有率序列通過格拉姆角場和遞歸圖的方法轉化為二維圖像，再利用基于CNN的圖像分類模型完成負荷類型識別的任務。

在本發明一實施例中，通過對周期性的非正弦波做傅里葉級數分解得到基波和各次諧波分量，公式如下：

其中，c₀表示直流分量，c_m表示m次諧波的幅值，mω表示m次諧波的角頻率，表示m次諧波的初相位；

諧波含有率是指諧波分量的均方根值與基波分量的均方根值之比，用百分數表示；h次電流諧波含有率公式如下：

式中，I_h譀ms表示h次諧波電流的有效值，i_k(k)表示k時刻h次諧波電流的瞬時值，簡化后等于電流基波峰值I_1m與諧波分量峰值I_hm之比。

在本發明一實施例中，將歸一化的一維序列數據從笛卡爾坐標系統轉換到極坐標系統，然后通過考慮不同點之間的角度和/差以識別不同時間點的內在相關性；做角度和對應實現方法是GASF，做角度差對應實現方法是GADF。

在本發明一實施例中，格拉姆求和角場GASF和格拉姆差分角場GADF定義如下：

其中，X為電流波形信號。

在本發明一實施例中，重構相空間，嵌入維數m和延遲時間τ的選取方式為：通過虛假最近鄰方法或者C-C算法計算嵌入維數m，通過平均互信息法和平均位移分析法計算延遲時間τ，然后進行相空間重構，得到如下矩陣：

相空間中，i時刻向量X_i和j時刻向量X_j的接近程度用D_ij＝||X_i-X_j||表示，通過計算以下公式來畫出遞歸圖：

R_ij＝Θ(ε-D_ij)

其中，ε是閾值，Θ(·)是Heaviside函數。