[发明专利]一种基于均方根和标准差的非侵入式电器识别方法

说明书

本发明公开了一种基于均方根和标准差的非侵入式电器识别方法，通过对不同周期采集的数据进行了相似性判断，只针对不同的数据进行识别，相同的数据则不再重复识别，减少了算法的开销，减少了网络数据上传的流量，同时也可减小后续云端大量数据识别造成的服务器压力，通过不同周期数据的标准差结合电流有效值对电器进行了识别，仅使用了电器的暂态信号，对采集设备要求不是很高，同时算法简单，中利用功率大的电器对波形影响大的特点计算了电器解各电器的电流占比，并重组该解的电流幅值数据，计算得到了其标准差；再按标准差和均方根的分数找出了最优解，能很好地提升识别率准确率。

技术领域

本发明涉及非侵入式检测系统下电器识别技术领域，具体的说，是一种基于均方根和标准差的非侵入式电器识别方法。

背景技术

20世纪70年代，美国和一些欧洲国家为了提高家庭用电效率，实现节能减排，开始了对家庭能耗进行研究。近年来，随着传感技术、信息通信技术、控制技术的发展，特别是智能电网的兴起，家庭能源管理系统的任务也在增加，而实现这一任务的前提就是对各种电器进行有效的监测。电力负荷监测对家庭和电力公司等都具有重大的意义，对于家庭而言：可以清楚了解每类电器的用电情况，并据此调整用电习惯以达到节能的目的；对电力公司而言：可以了解各地区的用电，并据此制定不同的套餐，实现电力的合理配置，达到资源的最大化利用，目前电力负荷监测可以分为两种：

传统的侵入式检测,通过给各类电器增加相应传感器分路实现计量，进而实现的总电器的功耗监测，其投入较大，容易对电器的正常运转造成干扰，过多的线路接入使得用户接受程度也不是很好。

早期非侵入式检测功耗，基于电器类别单元电流，只能对类别进行分解，不能细化到具体电器。而且大多依赖于电器的暂态特征数据，对硬件要求高，成本也就相应的提高了，对不利于产品的推广；而且其中的一些算法过于复杂不方便集成到硬件设备中，训练数据过多前期需要花费大量的人力成本。

虽已有申请号为CN201811343028.X的专利文献《一种基于Fréchet distance的非侵入式电器识别方法》，公开了一种基于Fréchet distance的非侵入式电器识别方法，解决了传统的功耗监测方法成本高、部署困难及早期非侵入式监测对硬件及算法的不足的问题，但其依然存在识别率以及算法运行效率低的问题。

发明内容

本发明的目的在于提供一种基于均方根和标准差的非侵入式电器识别方法，用于解决现有技术中早期非侵入式监测识别率以及算法运行效率低的问题。

本发明通过下述技术方案解决上述问题：

一种基于均方根和标准差的非侵入式电器识别方法，包括如下步骤：

步骤1：选取常用家庭用电负荷作为研究对象，分别采集每种电器n个周期的电流幅值数据、电压幅值数据和电流有效值；计算每种电器的电流幅值最大值和最小值以及差值s1、电流有效值的最大值和最小值数据；对电压进行相位对齐找到对应的电流起点并截取m个周期的电流幅值数据；

步骤2：配置算法的参数：每种电器取值大小；

步骤3：算法运行，获取实测数据n个周期的电流幅值数据、电压幅值数据和电流有效值；计算电流幅值最大值和最小值以及差值s2；对电压进行相位对齐找到对应的电流起点并截取m个周期的电流幅值数据，计算m周期电流幅值数据的标准差std1，执行步骤4进行数据相似性判断；