CN115795354B - 三合一场所的识别方法和识别装置 - Google Patents
三合一场所的识别方法和识别装置 Download PDFInfo
- Publication number
- CN115795354B CN115795354B CN202310068115.3A CN202310068115A CN115795354B CN 115795354 B CN115795354 B CN 115795354B CN 202310068115 A CN202310068115 A CN 202310068115A CN 115795354 B CN115795354 B CN 115795354B
- Authority
- CN
- China
- Prior art keywords
- place
- characteristic data
- identified
- determining
- identification
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000005611 electricity Effects 0.000 claims abstract description 93
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 63
- 230000006399 behavior Effects 0.000 claims description 52
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000005406 washing Methods 0.000 description 10
- 238000012806 monitoring device Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000005070 sampling Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及市场监督技术领域,尤其涉及一种三合一场所的识别方法和识别装置。其中,依据本发明的识别方法,首先接收电监测设备发送的待识别场所的第一用电特征数据,然后对第一用电特征数据进行预处理,得到第二用电特征数据;最后将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,得到待识别场所对应的识别结果;其中,识别结果包括是三合一场所,或者非三合一场所。本发明基于第一用电特征数据和第二用电特征数,采用三合一场所识别模型对待识别场所进行识别,和现有的采用人工识别的方式相比,本发明的三合一场所的识别方法识别效率更高。
Description
技术领域
本发明涉及市场监督技术领域,尤其涉及一种三合一场所的识别方法和识别装置。
背景技术
三合一场所是指违章在同一建筑内进行生产经营、生活、仓储的场所,尤其指在小工商业店铺中生活居住的场景。
由于三合一场所由于同时用于生产经营、生活以及仓储,且其消防设施不健全,因此,具有较大的安全隐患。目前,在识别三合一场所时,主要是采用人工方式上门走访,夜间检查等,以对三合一场所进行识别。
但是,采用上述人工的方式进行识别,会导致三合一场所的识别效率较低。
发明内容
本发明提供一种三合一场所的识别方法和识别装置,用以解决现有技术中采用人工的方式识别三合一场所时,识别效率较低的技术问题。
一方面,本发明提供一种三合一场所的识别方法,包括:
接收电监测设备发送的待识别场所的第一用电特征数据;
对所述第一用电特征数据进行预处理,得到第二用电特征数据;
将所述第一用电特征数据和所述第二用电特征数据输入至三合一场所识别模型中,得到所述待识别场所对应的识别结果;其中,所述识别结果包括是三合一场所,或者非三合一场所。
根据本发明提供的一种三合一场所的识别方法,所述三合一场所识别模型包括状态检测模型、类型检测模型以及居住行为检测模型;所述将所述第一用电特征数据和所述第二用电特征数据输入至所述三合一场所识别模型中,得到所述待识别场所对应的识别结果,包括:
基于所述第一用电特征数据,通过所述状态检测模型确定所述待识别场所中是否有生活电器运行;
在确定有所述生活电器运行的情况下,确定所述生活电器的运行时间是否处于预设时间段,在所述运行时间处于所述预设时间段的情况下,确定所述识别结果为三合一场所,在所述运行时间未处于所述预设时间段的情况下,调用所述类型检测模型和所述居住行为检测模型确定所述识别结果;
在确定未有所述生活电器运行的情况下,基于所述第二用电特征数据,调用所述居住行为检测模型确定所述识别结果。
根据本发明提供的一种三合一场所的识别方法,所述调用所述类型检测模型和所述居住行为检测模型确定所述识别结果,包括:
基于所述第一用电特征数据,通过所述类型检测模型确定生活电器所属的种类;基于所述第二用电特征数据,通过所述居住行为检测模型确定所述待识别场所内是否有居住行为;根据所述生活电器所属的种类和所述是否有居住行为,确定所述识别结果。
根据本发明提供的一种三合一场所的识别方法,所述根据所述生活电器所属的种类和所述是否有居住行为,确定所述识别结果,包括:
根据所述生活电器所属的种类和所述种类对应的后验概率,确定所述待识别场所对应的第一概率;
根据所述待识别场所内是否有居住行为,确定所述待识别场所对应的第二概率;
根据所述第一概率和所述第二概率,确定所述识别结果。
根据本发明提供的一种三合一场所的识别方法,所述根据所述生活电器所属的种类和所述是否有居住行为,确定所述识别结果,包括:
根据所述生活电器所属的种类和所述种类对应的后验概率,确定所述待识别场所对应的第一概率;
根据所述待识别场所内是否有居住行为,确定所述待识别场所对应的第二概率;
根据所述第一概率和所述第二概率,确定所述识别结果。
根据本发明提供的一种三合一场所的识别方法,所述方法还包括:
获取多个三合一场所样本各自在所述预设时间段内,不同种类的生活电器的使用概率;
针对各种类,根据所述种类的生活电器的使用概率,确定所述种类对应的先验概率;并采用贝叶斯算法对所述种类对应的先验概率进行计算,确定所述种类对应的后验概率。
根据本发明提供的一种三合一场所的识别方法,所述电监测设备设置在所述待识别场所的入户总电表箱内,所述第一用电特征数据为所述电监测设备基于采集的所述待识别场所的用电数据计算得到的。
另一方面,本发明还提供一种三合一场所的识别装置,包括:
接收单元,用于接收电监测设备发送的待识别场所的第一用电特征数据;
预处理单元,用于对所述第一用电特征数据进行预处理,得到第二用电特征数据;
识别单元,用于将所述第一用电特征数据和所述第二用电特征数据输入至所述三合一场所识别模型中,得到所述待识别场所对应的识别结果;其中,所述识别结果包括是三合一场所,或者非三合一场所。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述的三合一场所的识别方法。
本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述的三合一场所的识别方法。
本发明提供的三合一场所的识别方法和识别装置,其中,依据本发明的识别方法,首先接收电监测设备发送的待识别场所的第一用电特征数据,然后对第一用电特征数据进行预处理,得到第二用电特征数据;最后将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,得到待识别场所对应的识别结果;其中,识别结果包括是三合一场所,或者非三合一场所。本发明采用三合一场所识别模型对待识别场所进行识别,其和现有的采用人工的方式相比,识别效率更高。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的三合一场所的识别方法流程示意图之一;
图2为发明本实施例提供的用于三相电的电监测设备的结构示意图;
图3为发明本实施例提供的用于单相电的电监测设备的结构示意图;
图4为本发明实施例的第一用电特征数据采集方法流程示意图;
图5为本发明实施例的三合一场所识别模型的结构示意图;
图6为本发明实施例基于三合一场所识别模型得到识别结果的流程示意图;
图7是本发明提供的根据生活电器所属的种类和是否有居住行为确定识别结果的流程示意图;
图8为本发明实施例提供的三合一场所的识别方法流程示意图之二;
图9为本发明实施例提供的三合一场所识别装置的结构示意图;
图10为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种三合一场所的识别方法,通过接收电监测设备发送的待识别场所的第一用电特征数据,然后对第一用电特征数据进行预处理,得到第二用电特征数据;最后将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,得到待识别场所对应的识别结果。本发明基于第一用电特征数据、第二用电特征数据和三合一场所识别模型即可实现对待识别场所的识别,和现有的采用人工的方式相比,本发明的识别方法的识别效率更高;同时采用本发明的识别方法,可以实现对待识别场所的在线持续监测识别,避免了人工识别的偶然性,使得识别结果的可信度更高。
下面,将通过下述几个具体的实施例对本发明提供的三合一场所的识别方法进行详细地说明。可以理解的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例提供的三合一场所的识别方法流程示意图,该三合一场所的识别方法可以由软件和/或硬件装置执行。示例地,该硬件装置可以为嵌入式设备,或者个人电脑、或者服务器等设备。示例的,请参见图1所示,该三合一场所的识别方法可以包括:
S101、接收电监测设备发送的待识别场所的第一用电特征数据。
其中,电监测设备一般与待识别场所入户的电表箱电连接,以采集待识别场所一段时间内的用电数据。
示例的,电监测设备采集待识别场所一天(24小时)的用电数据(即电压和电流),然后对一天的用电数据进行处理,得到用于表征一天内用电特征的第一用电特征数据。例如,本实施例中得到的第一用电特征数据包括以下13项数据:电压有效值、电流有效值、电流最大值、电流最小值、有功功率、无功功率、视在功率、电流基波幅值、三次电流谐波幅值、五次电流谐波幅值、电流基波与电压基波的相位差、三次电流谐波与三次电压谐波的相位差、五次电流谐波与五次电压谐波的相位差。需要说明的是,本实施例中只是以上述13项用于表示用电特征的数据进行说明,并不表示只能接收上述13项数据,在其他实施例中,还可以接收上述13项数据中的部分数据,或者接收除了上述13项数据之外的其他用电特征数据。
示例的,根据预设的采样频率采集待识别场所一天内不同时刻的电压和电流数据;例如,采样频率为每秒一次,即每秒采集一组电压和电流数据,根据每个时刻(即每秒)的电压和电流数据计算得到上述的一组13项用电特征数据。将待识别场所一天内所有时刻对应的多组用电特征数据的集合作为待识别场所的第一用电特征数据。
图2为发明本实施例提供的用于三相电的电监测设备的结构示意图,图3为发明本实施例提供的用于单相电的电监测设备的结构示意图,两者结构相似,本实施例以图2为例对该电监测设备的结构进行说明。
示例的,如图2,电监测设备与待识别场所的电表通信连接,以采集待识别场所的用电数据。电监测设备包括模拟信号采集模块、微控制单元(MCU)、通信模块和供电模块。其中,模拟信号采集模块用于采集电表的电压和电流值的模拟信号,并将电压和电流值的模拟信号转换成微控制单元可以处理的数字信号,微控制单元对采集的电压和电流数据进行处理,即可得到第一用电特征数据,例如得到上述的13项用电特征数据。然后通信模块将得到的第一用电特征数据通过无线通信的方式发送给服务器,服务器接收第一用电特征数据,并采用本实施例的方法以确定待识别场所的识别结果。其中,供电模块用于接入电源(如市电或者蓄电池)以给整个获取单元401供电。通信模块可以为4G通信模块或者5G通信模块,模拟信号采集模块包括互感器组件和模数转换组件,互感器组件用于采集电压和电流的模拟信号,模数转换组件用于将电压和电流值的模拟信号转换成数字信号。例如,互感器组件的输入为电表箱中的三相四线电(A相、B相、C相、零线N)或单相电(火线L、零线N),它负责将入户的220V/380V电压、60A/100A电流转换为毫安级小电流,然后由模数转换组件进行3.2KHz的高频采样,输出为数字化的三相电压电流(UA、UB、UC、IA、IB、IC)或单相电压电流(U、I),以发送给微控制单元。
图4为本发明实施例的第一用电特征数据采集方法流程示意图,一般的,模数转换组件从模拟信号采集模块读取电压U和电流I之后,会对采集的数据进行一段时间的缓存,当缓存的数据达到预设值时统一发送给微控制单元,这样微控制单元无需实时处于数据接收状态,以节约获取单元的功耗。例如,模数转换组件将采集的数据缓存到3.2K时发送给微控制单元。微控制单元对根据缓存的电压和电流数据计算得到第一用电特征数据,然后通信模块将得到的第一用电特征数据通过无线通信的方式发送给服务器。
S102、对第一用电特征数据进行预处理,得到第二用电特征数据。
示例的,接收到第一用电特征数据后,对第一用电特征数据进行特征提取,得到第二用电特征数据。本实施例的第二用电特征数据用于表征一天内不同时段用电特征信息。第二用电特征数据包括:白天(06:00~20:00)和夜晚(20:00~06:00)的有功功率均值、用餐时间和非用餐时间的有功功率比值、多个夜间时间段分别对应的功率标准差、多个夜间时间段功率标准差总和。例如,夜间时间段分为五个,分别为:20:00~22:00、22:00~0:00、0:00~02:00、02:00~04:00、04:00~06:00,夜间时间段对应的功率标准差为:20:00~22:00的功率标准差。多个夜间时间段功率标准差总和则为上述五个时间段的功率差值总和。需要说明的是,本实施例的第二用电特征数据包括的上述八项信息仅仅是示例性的,在其他实施例中,第二用电特征数据可以包括上述八项信息中的多项,或者除了上述八项用电特征信息外,还包括其他的用电特征信息。
S103、将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,得到待识别场所对应的识别结果;其中,识别结果包括是三合一场所,或者非三合一场所。
其中,三合一场所识别模型为预先通过训练数据训练得到的,且经过测试识别精度已达到预设要求。
可以看出,本实施例接收待识别场所的第一用电特征数据,然后对第一用电特征数据进行预处理,得到第二用电特征数据;然后将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,即可得到待识别场所对应的识别结果。可见,采用本实施例的识别方法,识别效率较高。
图5为本发明实施例的三合一场所识别模型50的结构示意图,如图5,该三合一场所识别模型包括状态检测模型501、类型检测模型502以及居住行为检测模型503,三个检测模型分别侧重于检测三合一场所内不同的信息,从而根据不同的信息确定识别结果。
图6为本发明实施例基于三合一场所识别模型得到识别结果的流程示意图,图8为本发明实施例提供的三合一场所的识别方法流程示意图。请参考图6和图8,其中,将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,得到待识别场所对应的识别结果,具体包括:
S601、基于第一用电特征数据,通过状态检测模型确定待识别场所中是否有生活电器运行。
示例的,将采集的待识别场所的第一用电特征数据输入到预先训练的状态检测模型中,得到生活电器运行的概率,若得到的生活电器运行的概率超过预设的经验值,则确认待识别场所具有生活电器运行。例如,状态检测模型输出生活电器运行的概率为0.8,预设的经验值为0.7,则确定该待识别场所有生活电器运行。但是,需要重点说明的是,由于具有生活电器运行时,采集到的第一用电特征数据会发生明显的改变,因此依据第一用电特征数据会发生明显的改变的特性以及常用生活电器的用电特性,训练得到的状态检测模型可以较为准确的确定出待识别场所是否有生活电器运行。
示例的,本实施例的生活电器种类选用洗衣机、电饭煲、热水壶、电磁炉、电暖器这五个具有代表性的生活电器,在其他实施例中,还可以选用别的生活电器组合。
其中,状态检测模型通过预先训练得到,例如,采集多个场所的第一用电特征数据作为样本数据,或者采集一个场所的多天对应的多个第一用电特征数据,将每一天的第一用电特征数据作为一个样本数据。然后对采集的样本数据对应的场所是否有生活电器运行的实际概率进行人工标注,例如,实际有生活电器运行则标注概率为1,实际没有生活电器运行则标注概率为0,即将是否有生活电器运行的实际概率作为样本数据的标签,然后将样本数据输入到初始状态检测模型中,得到是否有生活电器运行的预测概率。采用样本数据的实际概率以及预测概率对初始状态检测模型的模型参数进行不断更新,直到通过验证确定初始状态检测模型的检测精度满足要求,则确定状态检测模型训练完成。
S602、在确定有生活电器运行的情况下,确定生活电器的运行时间是否处于预设时间段,在运行时间处于预设时间段的情况下,确定识别结果为三合一场所,在运行时间未处于预设时间段的情况下,调用类型检测模型和居住行为检测模型确定识别结果。
示例的,预设时间段可以设置为营业时间或者非营业时间,例如预设时间段设置为晚上非营业时间(8:00~22:00),一般白天的营业时间为(8:00~22:00),在确定有生活电器运行的情况下,然后进一步的根据第一用电特征数据或者第一用电特征数据的变化情况确定生活电器的运行时间是否处于8:00~22:00,如果是,则确定生活电器的运行时间处于非营业时间,则确定待识别场所为三合一场所。一般的,在非营业时间内还使用生活电器,则确定在非营业时间内有生活居住的行为,因此,即可确定待识别场所为三合一场所。
示例的,在确定运行时间未处于预设时间段的情况下,基于第一用电特征数据,通过类型检测模型502确定生活电器所属的种类;并基于第二用电特征数据,通过居住行为检测模型503确定待识别场所内是否有居住行为;根据生活电器所属的种类和是否有居住行为,确定识别结果。
示例的,本实施例中生活电器种类包括:洗衣机、电饭煲、热水壶、电磁炉和电暖器。
示例的,根据第一用电特征数据确定生活电器所属的种类包括:通过非介入式负荷识别算法确定待识别场所运行的生活电器所属的种类。具体的,根据大多数商户的营业时间信息将一天划分为两个时段,如营业时间段(8:00~22:00)和非营业时间段(22:00~8:00)。对这两个时间段的有功功率值使用双边累积法进行事件检测,当有功率突变(大于500瓦)或者功率缓变积累到预设程度(100瓦×5秒)时,触发“设备开启事件”,获取触发设备开启事件对应的时刻。然后对设备开启事件对应的时刻的前后1分钟的13项用电特征数据(即上述的13项用电特征数据)进行差分,获得属于该触发设备开启事件的一组用电特征数据,将该组用电特征数据输入到训练好的类型检测模型502,得到生活电器所属的种类。其中,本实施例的类型检测模型502可以采用现有的决策树分类器模型。
示例的,训练好的类型检测模型502的输出有六个种类的电器,分别为:洗衣机、电饭煲、热水壶、电磁炉、电暖器和其它,例如在8:00~22:00时间段,触发了设备开启事件,类型检测模型502输出的种类为洗衣机,则确定该待识别场所在营业时间使用洗衣机的行为。
图7为本发明提供的根据生活电器所属的种类和是否有居住行为确定识别结果的流程示意图。如图7,该识别过程具体包括:
S701、根据生活电器所属的种类和种类对应的后验概率,确定待识别场所对应的第一概率。
示例的,在生活电器所属的种类包括n个种类的情况下,根据P1=1-(1-pb1)× (1-pb2) ×……(1-pbn),确定待识别场所对应的第一概率。其中,P1表示第一概率,pb1表示n个种类中第一个种类对应的后验概率,pb2表示n个种类中第二个种类对应的后验概率,pbn表示n个种类中第n种类对应的后验概率。
示例的,本实施例中,通过以下公式(1)计算第一概率:
P1=1-(1-pb1)× (1-pb2) × (1-pb3) × (1-pb4) × (1-pb5) (1)
其中,pb1表示洗衣机对应的后验概率,pb2表示电饭煲对应的后验概率,pb3表示热水壶对应的后验概率,pb4表示电磁炉对应的后验概率,pb5表示电暖气对应的后验概率。
示例的,若识别出待识别场所运行的生活电器包括某一个种类,则该种类的后验概率取预设的该种类电器对应的后验概率,若不包括某一个种类,则该种类的电器对应的后验概率取值为0。例如,根据某一个待识别场所的用电数据,识别出该待识别场所运行的生活电器所属的种类为洗衣机和热水壶,则采用上述公式(1)计算第一概率P1时,公式(1)中,pb1和pb3取值分别为洗衣机和热水壶对应的后验概率,pb2、pb4和pb5取值为0。
示例的,某个种类的生活电器的后验概率依据该生活电器的使用概率确定。具体的,获取多个三合一场所样本各自在预设时间段内,不同种类的生活电器的使用概率;针对各种类,根据某一个种类的生活电器的使用概率,确定该种类对应的先验概率;并采用贝叶斯算法对该种类对应的先验概率进行计算,确定该种类对应的后验概率。
具体的,例如获取50或者100三合一场所样本各自在预设时间段内,洗衣机、电饭煲、热水壶、电磁炉和电暖器的使用概率,将洗衣机、电饭煲、热水壶、电磁炉和电暖器的使用概率作为其对应的先验概率。
示例的,某个电器的使用概率为该电器的使用次数和所有电器的使用次数的比值。例如,50个三合一场所在预设时间段,上述五类生活电器总的使用次数为600,而电饭煲的使用总共使用次数为100,则电饭煲的使用率为1/6。
S702、根据待识别场所内是否有居住行为,确定待识别场所对应的第二概率。
示例的,本实施例中预先采用训练集训练得到居住行为检测模型,例如获取多组第二用电特征信息样本,并对每个第二用电特征信息样本对应的场所存在居住行为实际概率进行标注,同时将多组目标特征信息样本输入到初始居住行为检测模型中,得到每个第二用电特征信息样本对应的居住行为预测概率。最后根据居住行为实际概率和居住行为预测概率,对初始居住行为检测模型的模型参数进行更新,得到训练后的居住行为检测模型。然后,将待识别场所对应的第二用电特征信息输入至居住行为检测模型,即得到待识别场所对应的第二概率。
示例的,居住行为检测模型选用SVM(支持向量机)模型,SVM模型就是可以解决高维问题,换言之,SVM模型可以解决小样本下机器学习问题、能够处理非线性特征的相互作用、无局部极小值问题、无需依赖整个数据、泛化能力比较强。因此本实施例选用SVM模型适用于解决本实施例的第二概率预测。
S703、根据第一概率和第二概率,确定识别结果。
例如若确定第一概率和第二概率的和大于或等于预设概率值(例如70%),则确定识别结果为三合一场所;相反的,若第一概率和第二概率的和小于预设概率值,则确定识别结果为非三合一场所。
示例的,将第一概率和第二概率进行加权平均,得到一个目标概率,将该目标概率和预设概率值比较,若确定目标概率大于或等于预设概率值,则确定识别结果为三合一场所;相反的,若目标概率小于预设概率值,则确定识别结果为非三合一场所。
S603、在确定未有生活电器运行的情况下,基于第二用电特征数据,调用居住行为检测模型确定识别结果。
示例的,在确定未有生活电器运行的情况下,则将待识别场所对应的第二用电特征数据输入至居住行为检测模型,即得到待识别场所对应的第二概率。在此情况下,将第二概率和预设概率值比较,若确定第二概率大于或等于预设概率值,则确定识别结果为三合一场所;相反的,若第二概率小于预设概率值,则确定识别结果为非三合一场所。
依据本实施例的三合一场所的识别方法,接收电监测设备发送的待识别场所的第一用电特征数据,对第一用电特征数据进行预处理,得到第二用电特征数据;将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,即可得到待识别场所对应的识别结果,本实施例的识别方法和现有的人工识别的方式相比,识别效率更高。
另外,由于第一用电特征数据和第二用电特征数据均是基于待识别场所的真实用电数据得到的,电器使用情况必然反映在第一用电特征数据和第二用电特征数据中,保证了源数据的真实性;同时采用深度学习网络模型(即三合一场所识别模型)对用电数据进行处理,深度学习网络模型具有不断的自学习和完善的特征,使得输出的预测结果更加准确,最终得到的待识别场所的识别结果更加准确。
下面对本发明提供的三合一场所的识别装置进行描述,下文描述的三合一场所的识别装置与上文描述的三合一场所的识别方法可相互对应参照。
图9是本发明提供的三合一场所识别装置的结构示意图,该三合一场所的识别装置90包括:接收单元901、预处理单元902和识别单元903。
其中,获取单元901,用于接收电监测设备发送的待识别场所的第一用电特征数据。预处理单元902,用于对第一用电特征数据进行预处理,得到第二用电特征数据。识别单元903,用于将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,得到待识别场所对应的识别结果;其中,识别结果包括是三合一场所,或者非三合一场所。
其中,如图5,三合一场所识别模型包括状态检测模型501、类型检测模型502以及居住行为检测模型503。
其中,识别单元903,具体用于基于第一用电特征数据,通过状态检测模型确定所述待识别场所中是否有生活电器运行;在确定有生活电器运行的情况下,确定生活电器的运行时间是否处于预设时间段,并根据确定结果调用类型检测模型和居住行为检测模型确定识别结果;在确定未有生活电器运行的情况下,基于第二用电特征数据,调用居住行为检测模型确定识别结果。
可选地,识别单元903,具体用于根据所述生活电器所属的种类和所述种类对应的后验概率,确定所述待识别场所对应的第一概率;根据待识别场所内是否有居住行为,确定待识别场所对应的第二概率;
根据第一概率和第二概率,确定识别结果。
可选地,识别单元903,具体用于在生活电器所属的种类包括n个种类的情况下,根据P1=1-(1-pb1)× (1-pb2) ×……(1-pbn),确定所述第一概率;其中,P1表示第一概率,pb1表示n个种类中第一个种类对应的后验概率,pb2表示n个种类中第二个种类对应的后验概率,pbn表示n个种类中第n种类对应的后验概率。
本发明实施例提供的三合一场所的识别装置90,可以执行上述任一实施例中三合一场所的识别方法的技术方案,其实现原理以及有益效果与三合一场所的识别方法的实现原理及有益效果类似,可参见三合一场所的识别方法的实现原理及有益效果,此处不再进行赘述。
图10示例了一种电子设备的实体结构示意图,如图10所示,该电子设备可以包括:处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040,其中,处理器1010,通信接口1020,存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令,以执行上述各方法提供的三合一场所的识别方法。该方法包括:获取待识别场所的用电数据;根据用电数据,确定待识别场所内是否有生活电器运行;在确定有生活电器运行的情况下,判断生活电器的运行时间是否处于预设时间段,并根据判断结果,确定待识别场所对应的识别结果;其中,识别结果包括为三合一场所,或者非三合一场所。
此外,上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的三合一场所的识别方法。该方法包括:接收电监测设备发送的待识别场所的第一用电特征数据;对第一用电特征数据进行预处理,得到第二用电特征数据;将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,得到待识别场所对应的识别结果;其中,识别结果包括是三合一场所,或者非三合一场所。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的三合一场所的识别方法。该方法包括:接收电监测设备发送的待识别场所的第一用电特征数据;对第一用电特征数据进行预处理,得到第二用电特征数据;将第一用电特征数据和第二用电特征数据输入至三合一场所识别模型中,得到待识别场所对应的识别结果;其中,识别结果包括是三合一场所,或者非三合一场所。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种三合一场所的识别方法,其特征在于,包括:
接收电监测设备发送的待识别场所的第一用电特征数据;
对所述第一用电特征数据进行预处理,得到第二用电特征数据;
将所述第一用电特征数据和所述第二用电特征数据输入至三合一场所识别模型中,得到所述待识别场所对应的识别结果;其中,所述识别结果包括是三合一场所,或者非三合一场所;
其中,所述三合一场所识别模型包括状态检测模型、类型检测模型以及居住行为检测模型;
其中,所述将所述第一用电特征数据和所述第二用电特征数据输入至所述三合一场所识别模型中,得到所述待识别场所对应的识别结果,包括:
基于所述第一用电特征数据,通过所述状态检测模型确定所述待识别场所中是否有生活电器运行;在确定有所述生活电器运行的情况下,确定所述生活电器的运行时间是否处于预设时间段;在所述运行时间处于所述预设时间段的情况下,确定所述识别结果为三合一场所,在所述运行时间未处于所述预设时间段的情况下,基于所述第一用电特征数据,通过所述类型检测模型确定生活电器所属的种类;基于所述第二用电特征数据,通过所述居住行为检测模型确定所述待识别场所内是否有居住行为;根据所述生活电器所属的种类和所述是否有居住行为,确定所述识别结果;
在确定未有所述生活电器运行的情况下,基于所述第二用电特征数据,调用所述居住行为检测模型确定所述待识别场所内是否有居住行为,根据所述是否有居住行为,确定所述识别结果。
2.根据权利要求1所述的三合一场所的识别方法,其特征在于,所述根据所述生活电器所属的种类和所述是否有居住行为,确定所述识别结果,包括:
根据所述生活电器所属的种类和所述种类对应的后验概率,确定所述待识别场所对应的第一概率;
根据所述待识别场所内是否有居住行为,确定所述待识别场所对应的第二概率;
根据所述第一概率和所述第二概率,确定所述识别结果。
3.根据权利要求2所述的三合一场所的识别方法,其特征在于,所述根据所述生活电器所属的种类和所述种类对应的后验概率,确定所述待识别场所对应的第一概率,包括:
在所述生活电器所属的种类包括n个种类的情况下,根据P1=1-(1-pb1)× (1-pb2)×……(1-pbn),确定所述第一概率;
其中,P1表示所述第一概率,pb1表示所述n个种类中第一个种类对应的后验概率,pb2表示所述n个种类中第二个种类对应的后验概率,pbn表示所述n个种类中第n种类对应的后验概率。
4.根据权利要求2或3所述的三合一场所的识别方法,其特征在于,所述方法还包括:
获取多个三合一场所样本各自在所述预设时间段内,不同种类的生活电器的使用概率;
针对各种类,根据所述种类的生活电器的使用概率,确定所述种类对应的先验概率;并采用贝叶斯算法对所述种类对应的先验概率进行计算,确定所述种类对应的后验概率。
5.根据权利要求1-4任一项所述的三合一场所的识别方法,其特征在于,
所述电监测设备设置在所述待识别场所的入户总电表箱侧,所述第一用电特征数据为所述电监测设备基于采集的所述待识别场所的用电数据计算得到的。
6.一种三合一场所的识别装置,其特征在于,包括:
接收单元,用于接收电监测设备发送的待识别场所的第一用电特征数据;
预处理单元,用于对所述第一用电特征数据进行预处理,得到第二用电特征数据;
识别单元,用于将所述第一用电特征数据和所述第二用电特征数据输入至三合一场所识别模型中,得到所述待识别场所对应的识别结果;其中,所述识别结果包括是三合一场所,或者非三合一场所;
其中,所述三合一场所识别模型包括状态检测模型、类型检测模型以及居住行为检测模型;
其中,所述将所述第一用电特征数据和所述第二用电特征数据输入至所述三合一场所识别模型中,得到所述待识别场所对应的识别结果,包括:
基于所述第一用电特征数据,通过所述状态检测模型确定所述待识别场所中是否有生活电器运行;在确定有所述生活电器运行的情况下,确定所述生活电器的运行时间是否处于预设时间段;在所述运行时间处于所述预设时间段的情况下,确定所述识别结果为三合一场所,在所述运行时间未处于所述预设时间段的情况下,基于所述第一用电特征数据,通过所述类型检测模型确定生活电器所属的种类;基于所述第二用电特征数据,通过所述居住行为检测模型确定所述待识别场所内是否有居住行为;根据所述生活电器所属的种类和所述是否有居住行为,确定所述识别结果;
在确定未有所述生活电器运行的情况下,基于所述第二用电特征数据,调用所述居住行为检测模型确定所述待识别场所内是否有居住行为,根据所述是否有居住行为,确定所述识别结果。
7.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述的三合一场所的识别方法。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的三合一场所的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310068115.3A CN115795354B (zh) | 2023-02-06 | 2023-02-06 | 三合一场所的识别方法和识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310068115.3A CN115795354B (zh) | 2023-02-06 | 2023-02-06 | 三合一场所的识别方法和识别装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115795354A CN115795354A (zh) | 2023-03-14 |
CN115795354B true CN115795354B (zh) | 2023-04-25 |
Family
ID=85430033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310068115.3A Active CN115795354B (zh) | 2023-02-06 | 2023-02-06 | 三合一场所的识别方法和识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115795354B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708854A (zh) * | 2022-03-21 | 2022-07-05 | 合肥讯飞数码科技有限公司 | 语音识别方法、装置、电子设备和存储介质 |
CN114758788A (zh) * | 2022-04-24 | 2022-07-15 | 平安科技(深圳)有限公司 | 异常场所识别方法、装置、设备及存储介质 |
CN115146735A (zh) * | 2022-07-19 | 2022-10-04 | 广州伟宏智能科技有限公司 | 用户用电异常识别 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105866581B (zh) * | 2016-04-08 | 2018-06-26 | 湖南工业大学 | 一种电器类型识别方法 |
CN208351664U (zh) * | 2018-04-27 | 2019-01-08 | 河南易诚贝网络科技有限公司 | 一种三合一场所的消防报警*** |
CN108985195A (zh) * | 2018-06-29 | 2018-12-11 | 平安科技(深圳)有限公司 | 行为识别方法、装置、计算机设备及存储介质 |
CN111127816B (zh) * | 2019-12-27 | 2021-09-28 | 江苏昂内斯电力科技股份有限公司 | 电气火灾联网监测预警、报警及应急控制***、方法 |
CN111564842B (zh) * | 2020-06-03 | 2021-06-04 | 吉林大学 | 一种非侵入式用电负荷监测中长期能耗统计估算的方法 |
CN114218992B (zh) * | 2021-12-29 | 2023-09-08 | 重庆紫光华山智安科技有限公司 | 异常对象的检测方法及相关装置 |
CN114819560A (zh) * | 2022-04-13 | 2022-07-29 | 京东城市(北京)数字科技有限公司 | 三合一场所识别方法、识别模型的构建方法及相关设备 |
-
2023
- 2023-02-06 CN CN202310068115.3A patent/CN115795354B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708854A (zh) * | 2022-03-21 | 2022-07-05 | 合肥讯飞数码科技有限公司 | 语音识别方法、装置、电子设备和存储介质 |
CN114758788A (zh) * | 2022-04-24 | 2022-07-15 | 平安科技(深圳)有限公司 | 异常场所识别方法、装置、设备及存储介质 |
CN115146735A (zh) * | 2022-07-19 | 2022-10-04 | 广州伟宏智能科技有限公司 | 用户用电异常识别 |
Also Published As
Publication number | Publication date |
---|---|
CN115795354A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Non-intrusive load monitoring by novel neuro-fuzzy classification considering uncertainties | |
CN110514889A (zh) | 一种非侵入式家庭用电负载识别的方法及*** | |
CN110133393B (zh) | 一种基于非侵入式监测技术的用电监测***及方法 | |
CN108537394B (zh) | 一种智能电网实时安全预警方法和装置 | |
CN109345409A (zh) | 一种基于宽带载波的居民用户综合能效管理方法 | |
CN111027408A (zh) | 一种基于支持向量机和v-i曲线特征的负荷识别方法 | |
CN110416995B (zh) | 一种非侵入式负荷分解方法和装置 | |
CN111190067B (zh) | 基于物联网的餐饮消毒设备使用监控方法、服务器及*** | |
CN104616061B (zh) | 基于小波包对数能量熵及遗传算法优化的孤岛检测方法 | |
CN109840691A (zh) | 基于深度神经网络的非侵入式分项电量估计方法 | |
CN113554361B (zh) | 一种综合能源***数据处理计算方法及处理*** | |
CN111563827A (zh) | 基于电器物理特性及居民用电行为的负荷分解方法 | |
CN115907168A (zh) | 一种用于电力负荷预测的异常数据处理*** | |
CN114943367A (zh) | 基于bp神经网络模型的非侵入式负荷识别方法 | |
CN115065078A (zh) | 微网环境下储能容量配置方法及*** | |
CN106093613A (zh) | 抽水蓄能机组设备可靠性分析平台及其方法 | |
CN115795354B (zh) | 三合一场所的识别方法和识别装置 | |
CN117039840A (zh) | 一种基于特征自动增强的家用负荷识别方法及*** | |
CN112748318A (zh) | 基于改进pso-bp神经网络的串联故障电弧检测方法 | |
CN116523681A (zh) | 电动汽车的负荷分解方法、装置、电子设备及存储介质 | |
Liu et al. | Classification and identification of electric shock current for safety operation in power distribution network | |
Heracleous et al. | Unsupervised energy disaggregation using conditional random fields | |
CN115456034A (zh) | 一种电动自行车充电自动识别监测方法及*** | |
CN112730984B (zh) | 一种基于智能电表的低压配电网相位识别方法 | |
CN115563583A (zh) | 基于多物理量融合的非侵入式负荷监测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |