[发明专利]一种基于边沿特征向量模型的实时电器识别方法和系统

权利要求书

1.一种基于边沿特征向量模型的实时电器识别方法，其特征在于，包括：

(1)采集样本电器组合的电表功率数据，提取功率数据的单边沿，将单边沿组合成连续边沿；

(2)根据连续边沿中单边沿数量和幅度,判定连续边沿是否包含非等幅震荡边沿、等幅震荡边沿、上升带回勾边沿、尖峰冲激边沿、普通上升边沿中的一种或多种，并提取对应的边沿特征向量；

(3)重复步骤(1)和步骤(2)，得到多个样本电器组合的功率数据与边沿特征向量之间映射关系的边沿特征向量模型；

(4)采集待识别电器的电表实时功率数据，利用边沿特征向量模型得到对应的实时特征向量，基于实时特征向量识别电器；

所述步骤(2)包括：

(2-1)若连续边沿中单边沿数量大于3，奇数边沿的幅度大于0，偶数边沿的幅度小于0，且相邻边沿的幅度差与相邻边沿的平均幅度之比存在大于预设值的情况时，则连续边沿中有非等幅震荡边沿，提取非等幅震荡边沿特征向量；

(2-2)若连续边沿中单边沿数量大于3，奇数边沿的幅度大于0，偶数边沿的幅度小于0，且相邻边沿的幅度差与相邻边沿的平均幅度之比小于预设值时，则连续边沿中有等幅震荡边沿，提取等幅震荡边沿特征向量；

(2-3)若连续边沿中单边沿数量等于3，3个单边沿中第一个单边沿的幅度大于0、第二个单边沿的幅度小于0、第三个单边沿的幅度大于0，且3个单边沿的幅度之和大于0，则连续边沿中有上升带回勾边沿，提取上升带回勾边沿特征向量；

(2-4)若连续边沿中单边沿数量等于2，2个单边沿中第一个单边沿的幅度大于0、第二个单边沿的幅度小于0，且2个单边沿的幅度之和大于0，则连续边沿中有尖峰冲激边沿，提取尖峰冲激边沿特征向量；

(2-5)若连续边沿中单边沿数量等于1，且一个单边沿的幅度大于0，则连续边沿中有普通上升边沿，提取普通上升边沿特征向量。

2.如权利要求1所述的一种基于边沿特征向量模型的实时电器识别方法，其特征在于，

所述非等幅震荡边沿特征向量包括：非等幅震荡边沿的数量、非等幅震荡边沿中所有上升沿的平均幅度、非等幅震荡边沿中所有下降沿的平均幅度、非等幅震荡边沿中所有上升沿的平均宽度和非等幅震荡边沿中所有下降沿的平均宽度，

所述等幅震荡边沿特征向量包括：等幅震荡边沿的数量、等幅震荡边沿中所有上升沿的平均幅度、等幅震荡边沿中所有下降沿的平均幅度、等幅震荡边沿中所有上升沿的平均宽度和等幅震荡边沿中所有下降沿的平均宽度，

所述上升带回勾边沿特征向量包括：上升带回勾边沿的第一个单边沿的幅度、上升带回勾边沿的第一个单边沿的宽度、上升带回勾边沿的幅度和上升带回勾边沿的宽度，

所述尖峰冲激边沿特征向量包括：尖峰冲激边沿的幅度、尖峰冲激边沿的宽度和尖峰冲激边沿的第一个单边沿的宽度，

所述普通上升边沿特征向量包括：普通上升边沿的幅度和普通上升边沿的宽度。