买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司广州供电局;清华大学

摘要：本申请公开了一种基于Fryze‑电流分解和CNN‑BiLSTM的非侵入式家电识别方法，涉及智能电网技术领域，包括：对采集的总的电流和电压波形进行处理，获得待识别的负荷数据；利用基于Fryze功率理论的方法将激活电流i在时域上分解为与电能相关的正交分量；将分解后的信号ia和信号if的维数从采样周期Ts的原维数降至预定义的维数w；根据有功电流ita与非有功分量itf获得距离矩阵；对距离矩阵进行图像转换，并将获得的图像输入至CNN‑BiLSTM神经网络中的卷积神经网络内，获得用电设备的一维特征向量；通过CNN‑BiLSTM神经网络中的双向长短时记忆神经网络对用电设备的一维特征向量进行计算，获得待辨识家电的概率向量。本申请能够解决非侵入式负荷监测领域中电器类别较多时负荷识别准确率低的问题。

主权项：1.一种基于Fryze-电流分解和CNN-BiLSTM的非侵入式家电识别方法，其特征在于，包括如下步骤：S1：获取样本数据集对神经网络进行训练，获得CNN-BiLSTM神经网络；其中，样本数据集包括：多类用电设备的电流和电压信号；CNN-BiLSTM神经网络包括：卷积神经网络和双向长短时记忆神经网络；S2：采集总的电流和电压波形，对总的电流和电压波形进行处理，获得待识别的负荷数据，其中，待识别的负荷数据包括：激活电流i和激活电压v；S3：利用基于Fryze功率理论的方法将激活电流i在时域上分解为与电能相关的正交分量，其中，正交分量包括：有功电流ita和非有功分量itf；S4：使用分段聚合近似方法将分解后的信号ia和信号if的维数从采样周期Ts的原维数降至预定义的维数w，其中，信号ia为采样周期Ts内有功电流ita的集合；信号if为采样周期Ts内非有功分量itf的集合；S5：应用欧几里得距离函数来测量有功电流ita与非有功分量itf之间的相似性或相关程度，从而得到距离矩阵；S6：对距离矩阵进行图像转换，获得图像，并将图像输入至CNN-BiLSTM神经网络中的卷积神经网络内，由卷积神经网对图像进行提取，获得用电设备的一维特征向量；S7：通过CNN-BiLSTM神经网络中的双向长短时记忆神经网络对用电设备的一维特征向量进行计算，获得待辨识家电的概率向量。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司广州供电局 清华大学 一种基于Fryze-电流分解和CNN-BiLSTM的非侵入式家电识别方法