[发明专利]基于Alexnet神经网络和颜色编码的非侵入式负荷识别方法及系统

权利要求书

1.一种非侵入式负荷识别方法，其特征是，包括：

采集负荷的运行数据，并构建负荷的电压-电流轨迹特征图；

基于SVM聚类算法对负荷的运行数据进行初步识别，获取初步负荷识别结果；

对电压-电流轨迹特征图以及初步负荷识别结果采用RGB颜色进行区分，构建带有颜色区分的电压-电流轨迹特征图；

基于训练好的Alexnet神经网络，对带有颜色区分的电压-电流轨迹特征图进行识别，获取负荷识别结果。

2.根据权利要求1所述的非侵入式负荷识别方法，其特征是，所述采集负荷的运行数据，并构建负荷的电压-电流轨迹特征图，包括：

采集负荷的运行数据，通过以下公式将运行数据中的电压、电流进行归一化处理，然后将归一化的数据乘以构建的轨迹特征图的像素的个数n并向下取整，得到一组小于n的电压、电流的整数：

i_{m_n}＝floor(i_m×n) (3)

v_{m_n}＝floor(v_m×n) (4)

其中，floor表示向下取整函数，i_min表示一个周期内电流的最小值，i_max表示一个周期内电流的最大值；v_min表示一个周期内电压的最小值、v_max表示一个周期内电压的最大值；

将得到的一组小于n的电压、电流的整数分别作为矩阵的行和列，构建一个n×n的零矩阵，并在相应的电压、电流位置将0赋值为1，从而构建负荷的电压-电流轨迹特征图。

3.根据权利要求1所述的非侵入式负荷识别方法，其特征是，所述对电压-电流轨迹特征图以及初步负荷识别结果采用RGB颜色进行区分，构建带有颜色区分的电压-电流波形特性轨迹图，包括：

以负荷的有功功率与视在功率的比值作为RGB颜色区分的R矩阵值，具体为：

其中，P_nonactive表示无功功率、P_apparent表示视在功率，V_rms表示电压的有效值，、I_rms表示电流的有效值；

以负荷的电流与电压的变化比值的反正切值作为G矩阵值，具体为：

其中，argtan表示反正切函数；

以负荷在稳定周期之前的轨迹变化的平均值作为B矩阵值，具体为：

其中，M表示负荷从非稳定到稳定过程的周期数，W表示一个周期内电压-电流波形轨迹的矩阵0-1值。

4.根据权利要求1所述的非侵入式负荷识别方法，其特征是，所述训练好的Alexnet神经网络，其输出层的个数与负荷类型的个数相同。

5.根据权利要求1所述的非侵入式负荷识别方法，其特征是，所述采集负荷的运行数据，包括：计算负荷的有功功率、无功功率和无功电流。

6.一种非侵入式负荷识别系统，其特征是，包括：

数据采集模块，用于采集负荷的运行数据，并构建负荷的电压-电流轨迹特征图；

第一识别模块，用于基于SVM聚类算法对负荷的运行数据进行初步识别，获取初步负荷识别结果；

RGB颜色区分模块，用于对电压-电流轨迹特征图以及初步负荷识别结果采用RGB颜色进行区分，构建带有颜色区分的电压-电流轨迹特征图；

第二识别模块，用于基于训练好的Alexnet神经网络，对带有颜色区分的电压-电流轨迹特征图进行识别，获取负荷识别结果。