申请/专利权人：国网新疆电力有限公司营销服务中心(资金集约中心、计量中心);大连理工大学

申请日：2021-11-01

公开（公告）日：2024-06-25

公开（公告）号：CN113920375B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.01.28#实质审查的生效;2022.01.11#公开

摘要：本发明涉及一种基于FasterR‑CNN与SVM结合的融合特征典型负荷识别方法及系统，其方法包括：S1：采集电器设备的负荷，构建信号数据样本，选取相对应的小波基，确定分解层数；对含噪信号进行分解，得到一组小波系数；S2：对小波系数进行软阈值函数处理，得到估计小波系数；S3：利用估计小波系数对小波进行重构，得到去噪后的重构信号；S4：对重构信号进行归一化处理，得到归一化的重构信号；S5：基于归一化的重构信号，构建负荷特征曲线图像，使用FasterR‑CNN网络对负荷曲线图像进行特征提取，利用SVM进行分类，得到最终的负荷识别结果。本发明提供的方法提升了对典型负荷特征识别的准确率，对节能做出指导，降低用户的用电成本并提高电能的利用率。

主权项：1.一种基于FasterR-CNN与SVM结合的融合特征典型负荷识别方法，其特征在于，包括：步骤S1：选取待测日n天，采集电器设备的每天M点负荷，构建信号数据样本，得到负荷特征集合，根据所述负荷特征，选取相对应的小波基，确定分解层数；对含噪信号进行分解，得到一组小波系数；步骤S2：对于分阶段每层所述小波系数，确定其阈值，对所述小波系数进行软阈值函数处理，得到估计小波系数；步骤S3：利用所述估计小波系数对小波进行重构，得到去噪后的重构信号；步骤S4：对所述重构信号进行归一化处理，得到归一化的重构信号；步骤S5：基于所述归一化的重构信号，构建负荷特征曲线图像，使用FasterR-CNN网络对所述负荷曲线图像进行特征提取，得到特征图，并计算得到感兴趣区域，生成感兴趣区域特征图，基于所述感兴趣区域特征图生成特征序列，并利用注意力机制得到带权重的特征序列，利用SVM对所述带权重的特征序列进行分类，得到最终的负荷识别结果；其中，所述FasterR-CNN网络包括：特征提取网络、区域建议网络、区域特征图生成网络和分类与回归检测网络，具体包括：步骤S51：基于所述归一化的重构信号，构建负荷特征曲线图像：将所述负荷特征曲线图像输入所述特征提取网络，得到特征图；步骤S52：将所述特征图输入区域建议网络RPN网络，计算得出所述特征图上需要识别的目标区域，得到感兴趣区域ROI；步骤S53：将所述感兴趣区域输入区域特征图生成网络，利用ROI池化生成感兴趣区域特征图，经过卷积层计算得到特征序列；利用注意力机制计算所述特征序列的权重，得到带权重的特征序列，具体步骤如下：根据下述公式3，计算得到查询向量，键向量和值向量： 3其中，、和为预设的权重矩阵系数；根据公式4，计算每个的注意力得分，即当前在t时刻的功率值与所述特征序列中其他向量的功率值之间的相关性； 4根据公式5对所述注意力得分进行归一化： 5根据公式6对归一化后的注意力得分进行加权求和： ，其中，为经过注意力机制计算后的输出的带权重的序列在t时刻的值；步骤S54：将所述带权重的序列输入分类与回归检测网络，使用一对一支持向量机SVM对其进行分类，具体包括：根据所述带权重的序列，使用SVM对其进行分类，得到z个类别，再利用zz-12个二分类器对其进行判别并为相应类别进行投票，得票最多的类别作为最终的负荷识别结果。

全文数据：

权利要求：

百度查询： 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心);大连理工大学 基于Faster R-CNN与SVM结合的融合特征典型负荷识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD