[发明专利]一种基于深度学习的电力设备识别方法及其装置

权利要求书

1.一种基于深度学习的电力设备识别方法，其特征在于，包括：

采集用电设备的电压数据和电流数据；

将所述电压数据和所述电流数据进行滤波处理获取目标电压数据和目标电流数据；

所述目标电压数据和所述目标电流数据构建电压-电流轨迹图像，通过数据归一化算法和所述电压-电流轨迹图像获取二值化电压-电流轨迹图像；

将数据点通过归一化算法将目标电压数据和目标电流数据归一化集中于区间[-1，1]，具体的归一化公式为：

其中，x可以指代电流数据或电压数据；

设置垂直方向和水平方向的网格数N，则进行映射图像的网格图的大小为N*N，其中每个网格的大小相同范围为[-1,1]，即将区间[-1,1]平均划分为N块，每个N块所占据区间大小为1/N，同时设置每个网格的取值范围为二进制值，初始值为0；

对于任意数据点(x,y)而言，判断其所属的网格，当网格中存在数据时，该网格的数值设置为1；当网格数N为偶数时：

当网格数N为奇数时，设置一个超参数k,该参数用于判断x位于网格中线所在的网格内还是网格之外，确定x在网格中的落点；

当x  0时，

当x  0，

遍历整个归一化处理后的数据点，以目标电压数据作为直角坐标系的X轴，目标电流数据作为直角坐标系的Y轴，构建二值化电压-电流轨迹图像；

将所述二值化电压-电流轨迹图像输入预设神经网络获取所述用电设备的用电信息。

2.根据权利要求1所述的电力设备识别方法，其特征在于，所述将所述二值化电压-电流轨迹图像输入预设神经网络获取所述用电设备的用电信息之前，所述方法还包括：

获取二值化电压-电流轨迹图像样本集；

将第一二值化电压-电流轨迹图像样本输入初始神经网络中获取第一预测用电信息；

根据所述第一预测用电信息计算第一网络损失值，并判断所述第一网络损失值是否大于预设网络损失值；

若是，则根据所述第一网络损失值更新所述初始神经网络获取更新后的神经网络，并将所述第一二值化电压-电流轨迹图像样本输入所述神经网络重新获取第一预测用电信息，返回步骤“根据所述第一预测用电信息计算第一网络损失值，并判断所述第一网络损失值是否大于预设网络损失值”；

若否，将第二二值化电压-电流轨迹图像样本输入所述神经网络获取第二预测用电信息，且根据所述第二预测用电信息计算第二网络损失值，并判断所述第二网络损失值是否大于预设网络损失值；

若否，则确定所述神经网络为预设神经网络。

3.根据权利要求2所述的电力设备识别方法，其特征在于，所述判断所述第二网络损失值是否大于预设网络损失值之后，所述方法还包括：

若是，则根据所述第二网络损失值更新所述神经网络获取更新后的神经网络，并将所述第二二值化电压-电流轨迹图像样本输入所述神经网络重新获取第二预测用电信息，并返回步骤“根据所述第二预测用电信息计算第二网络损失值，并判断所述第二网络损失值是否大于预设网络损失值”。