[发明专利]基于交叉熵的非侵入式电器识别方法

权利要求书

1.基于交叉熵的非侵入式电器识别方法，其特征在于，包括如下步骤：

步骤1、选取样本电器，设置采集时间周期T，并采集每种电器在周期内的电流电压数据以及电流有效值，对采集到的电流数据进行电压相位对齐，然后截取M个周期的电流幅值列表，并计算电流幅值的最大值、最小值、差值和均值，以及电流有效值的最大值和最小值作为样本数据库；

步骤2、获取实测数据，得到电压相位对齐之后的所述M个周期内的电流幅值列表以及电流幅值的最大值、最小值、差值和均值；

步骤3、对电器数量进行one-hot编码，并配置量子遗传算法参数，运行该量子遗传算法，通过解空间转换获得多组电器数量解列表；

步骤4、根据获得多组电器数量解列表对应的每组电器列表，计算每类电器的数量权重，然后利用权重值作为电流占比计算预测电器组合的电流幅值列表；

步骤5、对获取的实测数据的电流幅值列表和通过量子遗传算法得到的多组预测电器组合的电流幅值列表分别进行softmax回归处理，然后采用交叉熵作为量子遗传算法的适应度函数，计算其适应度函数值；

步骤6、将计算得到的多组适应度函数值组成列表L，并对列表L进行排序，并进行比分标记，适应度函数值越高的比分越低，反之越高，最小比分为1，最大比分为列表L的长度，得到比分最高的适应度函数值作为最优解，与该最优解对应的电器组合作为需识别的电器组合。

2.根据权利要求1所述的基于交叉熵的非侵入式电器识别方法，其特征在于，步骤1中，对每种电器N周期负荷进行电压相位对齐，找到电流起点,根据所述电流起点位置截取M周期的电流幅值，并计算得到电流有效值。

3.根据权利要求1所述的基于交叉熵的非侵入式电器识别方法，其特征在于，步骤3中，对电器数量进行one-hot编码时，电器种类顺序固定不变。

4.根据权利要求1所述的基于交叉熵的非侵入式电器识别方法，其特征在于，步骤3中，需要对获得多组电器数量解列表中每个解判断是否有效，若有效，则进行下一个解的判断，否则对无效的解进行标记，所有解判断完成后，若存在至少一个有效解，则进入步骤4，否则返回步骤1，重新选取样本电器。

5.根据权利要求4所述的基于交叉熵的非侵入式电器识别方法，其特征在于，判断解有效时，需符合以下三个条件：首先找到解下面所有电器负荷电流幅值最大值max和最小值min，若实测负荷最大电流幅值大于max的百分之x倍且实测负荷最小电流幅值小于等于min,则该解符合条件一；该解下加权求和值与差值的绝对值小于等于阈值，则该解符合条件二；实测负荷电流有效值大于等于量子遗传算法解最小电流有效值加权和值，并且小于等于算法解最大电流有效值加权和值，则该解符合条件三；

当解同时符合条件一、二和三时，则该解有效，否则该解无效。

6.根据权利要求1所述的基于交叉熵的非侵入式电器识别方法，其特征在于，步骤5中，把softmax回归处理后的实测数据的电流幅值列表作为交叉熵适应度函数的P(x)项，把softmax回归处理后的预测的电流幅值列表作为交叉熵适应度函数的Q(x)项，计算交叉熵适应度函数值，所述交叉熵适应度函数如下：

H(P,Q)＝-∑P(x)logQ(x)。