[发明专利]基于神经网络的非侵入式电力负荷识别方法

权利要求书

1.基于神经网络的非侵入式电力负荷识别方法，其特征在于，包括以下步骤：

1）在用户电表上安装传感器采集用户电压、电流、功率信息；

2）从电压、电流、功率的波形中提取可以唯一识别电器的有效稳态特征；

3）以满足要求的采样频率完成模拟信号的数字化；

4）对原始数字信号做预处理；

5）将预处理后的样本数据输入神经网络模型，根据输出计算识别准确率；

6）调整神经网络模型的参数，直至准确率大于设定阈值；

7）输入电力负荷数据，获得电力负荷识别结果。

2.根据权利要求1所述的基于神经网络的非侵入式电力负荷识别方法，其特征在于：所述步骤2）中的有效稳态特征分为时域特征和频域特征。

3.根据权利要求2所述的基于神经网络的非侵入式电力负荷识别方法，其特征在于：所述时域特征，具体为，电流、电流、功率、峰值、电压与电流的相角变化、功率因数等等。

4.根据权利要求2所述的基于神经网络的非侵入式电力负荷识别方法，其特征在于：所述频域特征，具体为，采用傅里叶变换将电压、电流的时域特征转换为频域特征，主要采用谐波成分数据。

5.根据权利要求1所述的基于神经网络的非侵入式电力负荷识别方法，其特征在于：所述步骤3）中的满足要求的采样频率是指电表的采样率必须满足奈奎斯特采样率，才能获得想要的谐波成分。

6.根据权利要求1所述的基于神经网络的非侵入式电力负荷识别方法，其特征在于：所述步骤4）中的预处理指对电流、电压、功率信号的去噪和异常值去除、以及通过电压、电流相位较正保证相位信息准确等等。

7.根据权利要求1所述的基于神经网络的非侵入式电力负荷识别方法，其特征在于：所述步骤 6）中的神经网络模型参数分为根据输入数据设定的参数和需要调试的参数。

8.根据权利要求7所述的基于神经网络的非侵入式电力负荷识别方法，其特征在于：所述的根据输入数据设定的参数，具体为，输入节点数、输出节点数等等。

9.根据权利要求7所述的基于神经网络的非侵入式电力负荷识别方法，其特征在于：所述的需要调试的参数，具体为，学习率、隐层数、隐层节点数、激活函数、mini-batch参数等等。