[发明专利]一种精确识别电动自行车充电的非侵入式全负荷识别技术

说明书

一种精确识别电动自行车充电的非侵入式全负荷识别技术。采用独特的特征加强算法，滑动窗口法，达到在多负荷同时使用时，准确识别出是否有电动自行车充电，并识别出所有使用中的负荷类型。采用非侵入式安装，设备不入户、不接入电动自行车充电线、不接入负荷供电线。本发明主要用于自动监测家庭、企业、工厂内的电动自行车充电并即时报警，和使用中的电器的类型识别、功率检测、状态诊断，广泛适用于智能家居、智慧楼宇、智能控制、节能应用等多种领域。

技术领域

本发明涉及可识别电动车电池充电的全负荷种类识别技术，主要用于自动监测家庭、企业、工厂内的电动自行车充电并即时报警，和使用中的电器的类型识别、功率检测、状态诊断，广泛适用于智能家居、智慧楼宇、智能控制、节能应用等多种领域。

背景技术

电动自行车在室内、楼道、走廊、飞线充电，引起的火灾和爆炸，对人民的生命财产造成了极大的危害。电动车违规充电问题已引起监管部门高度重视，成为社会高度关注的话题，亟待杜绝。

由于电动自行车自身小巧、电池可拆卸的特点，使得对电动自行车的充电进行监管存在很大难度。

目前，国内没有自动识别电动自行车充电的技术和设备。

同时，能够识别负荷类型的技术和产品，特别是多负荷同时工作下的识别，市场上非常少，而且准确率低。

当前负荷识别技术，一般单独选择负荷的暂态特征和稳态特征进行匹配识别。采用的分析技术有基于神经网络算法的机器学习、聚类分析技术等。从面向对象的角度来看，负荷运行是从暂态到稳态的连续过程，人为分割特征区间不符合负荷的自身特性，增加了负荷识别的误差。

当前技术无法解决电参数测量数量和算法准确度、硬件设备性能间的矛盾。采集的电参数数量少时，识别结果非常不准确。采集的电参数数量大时，算法开销巨大，超出了进行边缘计算设备的能力。更主要的是对数据无差别的使用，算法收敛性差，易陷入局部最优，无效数据增加了结果误差，这些都导致负荷识别错误。

发明内容

针对当前市场空白，本发明提供了一种识别电动车电池充电的全负荷种类识别技术。

本发明提出独特的特征加强算法、滑动窗口法优化融合的综合识别算法，经过对采集的电力入口的电流或功率数据进行计算，可准确识别出电力用户是否有电动自行车充电，包括锂电池和铅酸电池电动自行车。发明同时可以精确识别负荷类型和数量，解决了负荷识别类产品极少、现有产品准确度低的问题。

电动自行车充电时同样为电力负荷，下面算法描述电动自行车充电识别时，与使用中电力负荷统一进行说明，不单独指出，对负荷的描述和算法包含电动自行车充电。

发明提出了特征加强算法，采用三阶构造函数法，使得负荷的可辨别特征点得到加强，抑制了数据中非辨别特征点对结果的干扰。经过特征加强算法，负荷的辨别特征点直接决定了最终负荷识别结果。算法选取负荷运行期间的电流或者功率数据。

特征加强算法的三阶构造函数计算过程：

1、原始数据序列a（n）= ｛a1，a2，...，aN｝，

计算b（n）= ｛b1，b2，...，bN｝，b（n） = a（n）^3， n=1，2，...，N。

2、设定观察常数 k，k= 100，斜率宽度常数d，d=10，序列长度N，N = 1000

3、计算a(1)和a（10）点的斜率m（1），a（2）和a（11）点的斜率m（2），a（3）和a（12）点的斜率m（3），...a（n）和a（n+d-1）的斜率m（n），...，计算a（k-d+1）和a（k）点的斜率m（k-d+1）。

4、计算m（n）的标准差σ。

5、|m（n）- m（n-d+1）|3σ 且 |m（n）- m（n+d-1）|3σ ，a（n）记为特征点，其他点为干扰点，去除。