[发明专利]负荷识别方法、系统、设备及计算机可读存储介质

权利要求书

1.一种负荷识别方法，其特征在于，所述负荷识别方法包括以下步骤：

获取有功功率信息、瞬时有功电流信息和瞬时无功电流信息；

根据所述有功功率信息，判断是否有负荷事件发生；

若有负荷事件发生，则根据所述瞬时有功电流信息、瞬时无功电流信息和预设粗分类模型，获得所述负荷事件的粗分类信息；

根据所述有功功率信息和所述粗分类信息对应的预设细分类模型，获得所述负荷事件的识别结果。

2.如权利要求1所述的负荷识别方法，其特征在于，所述预设粗分类模型为卷积神经网络模型，所述根据所述瞬时有功电流信息、瞬时无功电流信息和预设粗分类模型，获得所述负荷事件的粗分类信息的步骤包括：

根据所述瞬时有功电流信息、瞬时无功电流信息，生成所述负荷事件对应的第一预设周期内的有功-无功电流轨迹图；

将所述有功-无功电流轨迹图输入卷积神经网络模型，获得所述负荷事件的粗分类信息。

3.如权利要求2所述的负荷识别方法，其特征在于，所述瞬时有功电流信息包括负荷事件对应的第一预设周期内的瞬时有功电流值，所述瞬时无功电流信息包括负荷事件对应的第一预设周期内的瞬时无功电流值，所述根据所述瞬时有功电流信息、瞬时无功电流信息，生成所述负荷事件发生后第一预设周期内的有功-无功电流轨迹图的步骤包括：

对所述瞬时有功电流值进行线性转换，获得第一转换值；

对所述瞬时无功电流值进行线性转换，获得第二转换值；

根据所述第一转化值和第二转换值，生成所述负荷事件对应的第一预设周期内的有功-无功电流轨迹图。

4.如权利要求1所述的负荷识别方法，其特征在于，所述预设细分类模型为全连接神经网络模型，所述根据所述有功功率信息和所述粗分类信息对应的预设细分类模型，获得所述负荷事件的识别结果的步骤包括：

根据所述有功功率信息，生成所述负荷事件对应的有功功率序列；

将所述有功功率序列输入所述粗分类信息对应的全连接神经网络模型，获得所述负荷事件的识别结果。

5.如权利要求4所述的负荷识别方法，其特征在于，所述根据所述有功功率信息，生成所述负荷事件对应的有功功率序列的步骤包括：

根据所述有功功率信息，选取所述负荷事件对应的第二预设周期内预设个数的有功功率值；

根据所述预设个数的有功功率值，构建对应的一维向量，并将所述一维向量作为所述负荷事件对应的有功功率序列。

6.如权利要求1所述的负荷识别方法，其特征在于，所述有功功率信息包括有功功率变化值，所述根据所述有功功率信息，判断是否有负荷事件发生的步骤包括：

判断所述有功功率变化值的绝对值是否大于预设有功功率变化阈值；

若大于预设有功功率变化阈值，则判定有负荷事件发生。

7.如权利要求1至6中任一项所述的负荷识别方法，其特征在于，所述获取有功功率信息、瞬时有功电流信息和瞬时无功电流信息的步骤包括：

基于安装在供电入口处的预设互感器，实时采集供电电流信息和供电电压信息；

根据所述供电电流信息和所述供电电压信息，获得有功功率信息、瞬时有功电流信息和瞬时无功电流信息。

8.一种负荷识别系统，其特征在于，所述负荷识别系统包括：

采集模块，用于获取有功功率信息、瞬时有功电流信息和瞬时无功电流信息；

判断模块，用于根据所述有功功率信息，判断是否有负荷事件发生；

粗分类模块，用于若有负荷事件发生，则根据所述瞬时有功电流信息、瞬时无功电流信息和预设粗分类模型，获得所述负荷事件的粗分类信息；

细分类模块，用于根据所述有功功率信息和所述粗分类信息对应的预设细分类模型，获得所述负荷事件的识别结果。