CN109271925A - 一种智能插座上的电器设备类型识别方法 - Google Patents
一种智能插座上的电器设备类型识别方法 Download PDFInfo
- Publication number
- CN109271925A CN109271925A CN201811074038.8A CN201811074038A CN109271925A CN 109271925 A CN109271925 A CN 109271925A CN 201811074038 A CN201811074038 A CN 201811074038A CN 109271925 A CN109271925 A CN 109271925A
- Authority
- CN
- China
- Prior art keywords
- electrical equipment
- characteristic
- parameter
- gauss model
- mixed gauss
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 2
- 235000008434 ginseng Nutrition 0.000 claims 2
- 238000013480 data collection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R24/00—Two-part coupling devices, or either of their cooperating parts, characterised by their overall structure
- H01R24/20—Coupling parts carrying sockets, clips or analogous contacts and secured only to wire or cable
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能插座上的电器设备类型识别方法。采集插座上的电信号，利用计量芯片计算特征参数，获取每个电器设备时刻下的特征数据，建立混合高斯模型，组建构成混合高斯模型参数，求得电器设备所有四个特征参数的混合高斯模型参数；建立总混合高斯模型参数库，输入待识别电器设备的一组特征数据，依次带入总混合高斯模型参数库计算获得概率值，取概率值最大所对应的作为电器类型。本发明能根据从电器设备所在家庭电网采集的数据信息识别出当下工作的电器类型，针对于家庭内的电器设备具有很好的准确性和鲁棒性。
Description
技术领域
本发明涉及了一种电器识别方法，尤其是涉及一种智能插座上的电器设备类型识别方法，属于电网数据处理领域。
背景技术
随着社会经济的发展，节能的观念也逐步受到重视。越来越多的企业或者家庭根据电器的工作状态，通过不同的控制技术实现节能的目的。为了了解电器设备的工作状态，需要对电器进行监测，监测电器的工作状态。因此，需要一种电器识别算法，能知道何种电器设备在工作。基于此目标，需要一种有效的电器识别方法，该算法对电力数据进行采集，建立电器设备对应特征库，并根据识别算法，识别出哪种电器在工作，并把识别工作状况发送给控制端。
发明内容
为了能掌握智能插座上有哪些电器设备在工作，本发明提供了一种智能插座上的电器设备类型识别方法，能根据从电器设备所在家庭电网采集的数据信息识别出当下工作的电器类型。
如图1所示，本发明解决其技术问题的技术方案是：
步骤1：采集插座上的电信号，将电信号电路转换成计量芯片的输入值范围；
步骤2：利用计量芯片计算特征参数，特征参数包括电流、电压、有功功率和无功功率作为特征；
具体实施中，有功功率和无功功率的特征参数是通过电流和电压计算获得。
步骤3：重复步骤1～步骤2获取每个电器设备各个时刻对应的一组特征数据，一时刻对应一组特征数据，第i组特征数据xi包括时刻下的电流、电压、有功功率和无功功率，并建立以下公式的混合高斯模型：
其中，p表示特征数据的概率值，i表示特征数据的组序数，m表示表示特征数据的组总数，k表示特征参数的序数，k＝1-4，k＝1表示电流特征参数，k＝2表示电压特征参数，k＝3表示有功功率特征参数，k＝4表示无功功率特征参数；N(xi|μk,Σk)表示电器设备的第i组特征数据中第k个特征参数对应的混合高斯函数，πk是电器设备的第i组特征数据中第k个特征参数的权重因子，μk是电器设备的所有组特征数据中第k个特征参数的均值，Σk是电器设备的所有组特征数据中第k个特征参数的协方差；xi表示电器设备的第i组特征数据，包括第i组对应时刻下所采集的电流、电压、有功功率和无功功率；
步骤4：由权重因子πk、均值μk和协方差Σk组建构成第k个特征参数的混合高斯模型参数θk＝(πk,μk,Σk)，针对第j个电器设备通过最大期望算法(EM)求得电器设备所有四个特征参数的混合高斯模型参数j∈[1,D]，k∈[1,4]，D表示电器设备的总数量；
步骤5：针对每个电器设备建立总混合高斯模型参数库θM，总混合高斯模型参数库θM的一部分是由电器设备的所有四个特征参数的混合高斯模型参数构成，另一部分是由不同电器设备的各个特征参数的混合高斯模型参数之间以排列组合方式进行每两两融合后的混合高斯模型参数，表示为j,j'∈[1,D]，表示第j’个电器设备的第k’个特征参数的混合高斯模型参数，θjj'表示第j个电器设备和第j’个电器设备组合下融合后的混合高斯模型参数，以此表示两个电器设备同时工作时的混合高斯模型参数；
步骤6：输入某时刻的待识别电器设备的一组特征数据xi，依次带入总混合高斯模型参数库θM中的各个混合高斯模型参数，计算获得概率值p，对应概率值p最大所对应的电器设备或者电器设备的组合作为待识别电器设备的电器类型。本发明的整体电器识别过程如图1所示。
本发明的有益效果：
本发明能根据从电器设备所在家庭电网采集的数据信息识别出当下工作的电器类型，是一种电器设备类型的有效识别方法。且本发明可以识别不同电器类型组合工作时的电器状态，针对于家庭内的电器设备具有很好的准确性和鲁棒性。
附图说明
附图1为本发明电器识别过程的流程图。
附图2为实施例微网能量***的结构图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
按照本发明内容的完整方法实施的实施例及其实施过程如下：
步骤1、图1是整个***的结构图，整个***结构包含电网电压采样预处理模块、电网电流采样预处理模块、计量芯片、微处理器和存储模块组成。
如图2所示，具体实施采用以下电器设备数据采集***，电器设备数据采集***包括电网电压采样预处理模块、电网电流采样预处理模块、计量芯片、微处理器和存储器；电网电压采样预处理模块、电网电流采样预处理模块的输入端连接到电器设备所在的电网电路上，电网电压采样预处理模块、电网电流采样预处理模块的输出端连接到计量芯片，计量芯片经微处理器和存储器连接。分别通过电网电压采样预处理模块、电网电流采样预处理模块采集电器设备的电压和电流。
步骤2、根据上述模型，本发明以咖啡机、冰箱和移动电话为例。获取对应的数据，本发明实验中咖啡机的数据为14组，冰箱的数据为120组，移动电话数据为127组，总共261组数据。
步骤3、通过混合高斯模型，求得三个电器设备对应的高斯混合模型参数为：
步骤4、根据步骤3获得的混合高斯模型参数，建立总混合高斯模型参数库θM，本发明假设最多同时有两个电器设备一起在工作，因此总的混合高斯模型参数库的数量为28组。
步骤5、根据实验数据，带入混合高斯模型参数库中个，求得概率值最大所对应的电器设备类型即为识别电器类型。
本发明对步骤1中的261组数据进行处理，去掉电流值小于平均电流的数据后剩下158组数据，带入这158组数据经过识别后，识别的准确度为82.3524％。
Claims (5)
1.一种智能插座上的电器设备类型识别方法，其特征在于：方法包括以下步骤：
步骤1：采集插座上的电信号输入到计量芯片；
步骤2：利用计量芯片计算特征参数，特征参数包括电流、电压、有功功率和无功功率作为特征；
步骤3：重复步骤1～步骤2获取每个电器设备各个时刻对应的一组特征数据，第i组特征数据xi包括时刻下的电流、电压、有功功率和无功功率，并建立以下公式的混合高斯模型：
其中，p表示特征数据的概率值，i表示特征数据的组序数，m表示表示特征数据的组总数，k表示特征参数的序数；N(xi|μk,Σk)表示电器设备的第i组特征数据中第k个特征参数对应的混合高斯函数，πk是电器设备的第i组特征数据中第k个特征参数的权重因子，μk是电器设备的所有组特征数据中第k个特征参数的均值，Σk是电器设备的所有组特征数据中第k个特征参数的协方差；xi表示电器设备的第i组特征数据；
步骤4：由权重因子πk、均值μk和协方差Σk组建构成第k个特征参数的混合高斯模型参数θk＝(πk,μk,Σk)，针对第j个电器设备通过最大期望算法(EM)求得电器设备所有四个特征参数的混合高斯模型参数j∈[1,D]，k∈[1,4]，D表示电器设备的总数量；
步骤5：针对电器设备建立总混合高斯模型参数库θM，总混合高斯模型参数库θM的一部分是由电器设备的所有四个特征参数的混合高斯模型参数构成，另一部分是由不同电器设备的各个特征参数的混合高斯模型参数之间以排列组合方式进行每两两融合后的混合高斯模型参数，表示为j,j'∈[1,D]，表示第j’个电器设备的第k’个特征参数的混合高斯模型参数，θjj'表示第j个电器设备和第j’个电器设备组合下融合后的混合高斯模型参数；
步骤6：输入某时刻的待识别电器设备的一组特征数据xi，依次带入总混合高斯模型参数库θM中的各个混合高斯模型参数，计算获得概率值p，对应概率值p最大所对应的电器设备或者电器设备的组合作为待识别电器设备的电器类型。
2.根据权利要求1所述的一种智能插座上的电器设备类型识别方法，其特征在于：所述的特征参数的序数k取为k＝1-4，k＝1表示电流特征参数，k＝2表示电压特征参数，k＝3表示有功功率特征参数，k＝4表示无功功率特征参数。
3.根据权利要求1所述的一种智能插座上的电器设备类型识别方法，其特征在于：所述步骤1在电信号输入到计量芯片前，将电信号电路转换成计量芯片的输入值范围。
4.根据权利要求1所述的一种智能插座上的电器设备类型识别方法，其特征在于：所述的计量芯片经电网电压采样预处理模块、电网电流采样预处理模块连接于电器设备所在的电网电路上。
5.根据权利要求1所述的一种智能插座上的电器设备类型识别方法，其特征在于：所述的电器设备为咖啡机、冰箱和移动电话。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811074038.8A CN109271925A (zh) | 2018-09-14 | 2018-09-14 | 一种智能插座上的电器设备类型识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811074038.8A CN109271925A (zh) | 2018-09-14 | 2018-09-14 | 一种智能插座上的电器设备类型识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109271925A true CN109271925A (zh) | 2019-01-25 |
Family
ID=65188290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811074038.8A Pending CN109271925A (zh) | 2018-09-14 | 2018-09-14 | 一种智能插座上的电器设备类型识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109271925A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110580502A (zh) * | 2019-08-20 | 2019-12-17 | 上海纺织节能环保中心 | 基于高斯混合的因子隐马尔可夫负荷分解方法 |
| CN110850220A (zh) * | 2019-11-29 | 2020-02-28 | 苏州大学 | 一种用电器检测方法、装置及*** |
| CN111090014A (zh) * | 2019-12-17 | 2020-05-01 | 深圳华建电力物联技术有限公司 | 一种基于高斯模型的电器识别方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273920A (zh) * | 2017-05-27 | 2017-10-20 | 西安交通大学 | 一种基于随机森林的非侵入式家用电器识别方法 |
-
2018
- 2018-09-14 CN CN201811074038.8A patent/CN109271925A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273920A (zh) * | 2017-05-27 | 2017-10-20 | 西安交通大学 | 一种基于随机森林的非侵入式家用电器识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| ANTONIO RIDI,ET AL: "《AUTOMATIC IDENTIFICATION OF ELECTRICAL APPLIANCES USING SMART PLUGS》", 《THE 8TH INTERNATIONAL WORKSHOP ON SYSTEMS, SIGNAL PROCESSING AND THEIR APPLICATIONS 2013: SPECIAL SESSIONS》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110580502A (zh) * | 2019-08-20 | 2019-12-17 | 上海纺织节能环保中心 | 基于高斯混合的因子隐马尔可夫负荷分解方法 |
| CN110850220A (zh) * | 2019-11-29 | 2020-02-28 | 苏州大学 | 一种用电器检测方法、装置及*** |
| CN111090014A (zh) * | 2019-12-17 | 2020-05-01 | 深圳华建电力物联技术有限公司 | 一种基于高斯模型的电器识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110350528A (zh) | 一种低压台区拓扑自动辨识方法 | |
| CN109271925A (zh) | 一种智能插座上的电器设备类型识别方法 | |
| CN106208041B (zh) | 一种基于分段常数独立分量分析的配电网谐波电流估计方法 | |
| CN107153150A (zh) | 一种配电网过电压故障类型识别方法及装置 | |
| CN108074035B (zh) | 多场景分布式光伏接入配电网运行风险评估方法 | |
| WO2019056753A1 (zh) | 一种分布式光伏电站集群的动态等值建模方法 | |
| CN105938578A (zh) | 一种基于聚类分析的大规模光伏电站等值建模方法 | |
| CN106154163B (zh) | 一种电池寿命状态识别方法 | |
| CN111628494B (zh) | 一种基于逻辑回归法的低压配电网拓扑识别方法及*** | |
| CN111308260B (zh) | 一种基于小波神经网络的电能质量监测和电器故障分析***及其工作方法 | |
| CN109086527A (zh) | 一种基于风电机组运行状态的实用化等值建模方法 | |
| CN108073722A (zh) | 一种新建变电站主子站图形和模型的自动校验装置及方法 | |
| CN112633658A (zh) | 一种基于cnn-lstm的低压台区拓扑关系识别方法 | |
| CN103869192A (zh) | 智能电网线损检测方法和*** | |
| CN116008714B (zh) | 一种基于智能量测终端的反窃电分析方法 | |
| CN109301870A (zh) | 一种电力电子多馈入电力***容量优化方法 | |
| CN105974223A (zh) | 一种用于在线检测用电设备工作状态的方法及*** | |
| CN113702767B (zh) | 基于小波滑窗能量的孤岛直流微电网故障诊断方法 | |
| CN113205190B (zh) | 一种智能电网的储能安全预警*** | |
| CN106383280B (zh) | 基于二节点架空线模型的电压互感器模型测试方法 | |
| CN109767353A (zh) | 一种基于概率分布函数的光伏发电功率预测方法 | |
| CN110190990B (zh) | 一种低压配电台区网络拓扑结构的自动辨识方法及装置 | |
| CN110850166A (zh) | 一种便携式谐波检测仪及其谐波分析方法 | |
| CN207148289U (zh) | 一种无线移动油机采集器 | |
| CN114069608B (zh) | 一种基于电压的分布式台区识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190125 |