CN108872742A - 面向家庭环境的多级特征匹配非侵入式用电设备检测方法 - Google Patents

面向家庭环境的多级特征匹配非侵入式用电设备检测方法 Download PDF

Info

Publication number
CN108872742A
CN108872742A CN201810519097.5A CN201810519097A CN108872742A CN 108872742 A CN108872742 A CN 108872742A CN 201810519097 A CN201810519097 A CN 201810519097A CN 108872742 A CN108872742 A CN 108872742A
Authority
CN
China
Prior art keywords
feature
value
current
data base
property data
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.)
Granted
Application number
CN201810519097.5A
Other languages
English (en)
Other versions
CN108872742B (zh
Inventor
张轩铭
王利强
梁昆
陈龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HANGZHOU TOP TECHNOLOGY Co Ltd
Original Assignee
HANGZHOU TOP TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HANGZHOU TOP TECHNOLOGY Co Ltd filed Critical HANGZHOU TOP TECHNOLOGY Co Ltd
Priority to CN201810519097.5A priority Critical patent/CN108872742B/zh
Publication of CN108872742A publication Critical patent/CN108872742A/zh
Application granted granted Critical
Publication of CN108872742B publication Critical patent/CN108872742B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于欧式距离的多级特征匹配非侵入式用电设备检测方法，采用基于分级和持续再更新的特征库组织架构，解决了特征数据库的匹配和更新迭代问题。包括如下步骤：初始特征库为空；当接入电器时，电流稳态情况发生切换，提取5维特征；遍历1级特征数据库中的所有电器的现有特征向量并计算与上述接入电器特征向量的欧式距离d；遍历下一级特征数据库进行匹配；得到的识别结果提示给用户，用户进行手动修改，修改后将当前特征向量与用户手动修改的分类进行绑定。

Description

面向家庭环境的多级特征匹配非侵入式用电设备检测方法
技术领域
本发明属于用电设备检测领域，具体是一种面向家庭环境的多级特征匹配非侵入式用电设备检测方法。
背景技术
目前,主流的用电设备判断方法,有两种主要方法，一种是在各个设备上安装独立的检测模块；另一种时只需要在电表处安装一个模块，被称为非侵入式检测的方法。第一种方法，成本非常高，并且安装复杂；第二种非侵入式的检测方法，有着巨大的成本和便捷度的优势。但大多需要基于大量的数据样本。例如，如果要检测出某品牌的空调接入事件，则需要事先采集大量该空调不同运行模式下的电流电压波形，并提取特征作为样本。由于用电设备种类和品牌过于繁多，如果使用这种事先采集样本的方法，很难支持市面上的所有电器。并且随着新设备的问世，需要不断更新越来越庞大的数据库。这一困难也是一直以来制约该项技术实际应用的重大阻碍。
发明内容
本发明提出了一种基于欧式距离的多级特征匹配非侵入式用电设备检测方法，采用基于分级和持续再更新的特征库组织架构，解决了特征数据库的匹配和更新迭代问题。其具体技术方案如下：
基于欧式距离的多级特征匹配非侵入式用电设备检测方法，包括如下步骤：
(1)初始特征库为空；
(2)当接入电器时，电流稳态情况发生切换，提取以下5维特征：稳态电流特征(特征F1)，启动时间特征(特征F2)，启动冲击电流比特征(特征F3),电流跳变次数特征(特征F4),功率因数特征(特征F5)；
(3)遍历1级特征数据库中的所有电器的现有特征向量并计算与上述接入电器特征向量的欧式距离d，如下式：
其中Fij为第j个样本的第i个特征值；
记录距离值小于设定阈值的所有特征向量，并取与当前接入电器欧式距离最小的特征向量作为识别结果，其对应电器分类即为识别结果；如果不存在距离值小于设定阈值的特征向量，转入步骤(4)；
(4)遍历下一级特征数据库进行匹配，匹配方法同步骤(3)；如果下一级特征数据库不存在则终止，此时判断为未识别电器接入，提醒用户新发现未识别电器并提示用户标注电器名称，并添加新的电器分类将当前特征向量与其绑定；如果绑定成功，则得到识别结果，转步骤(5)；如果未绑定成功，重复步骤(4)；
(5)得到的识别结果提示给用户，用户进行手动修改，修改后将当前特征向量与用户手动修改的分类进行绑定。
进一步的，以6.4kHz的采样频率进行电流和电压采样，并通过采样值提取以下所述5维特征：稳态电流特征(特征F1)，启动时间特征(特征F2)，启动冲击电流比特征(特征F3),电流跳变次数特征(特征F4),功率因数特征(特征F5)；
稳态电流特征提取(特征F1)：将采样电流以128个采样点每个周期为一个计算单元，计算电流有效值取连续的50个计算单元的有效值，如果每个计算单元的值与50个计算单元的平均值波动小于50mA，则认为进入稳态，平均值记为稳态电流值istable；
启动时间特征提取(特征F2):判断稳定状态由非稳态变为稳态时，记录进入稳态的时间为tstable。将最近一次被判断为非稳态时的时间记下为tunstable；启动时间为:tstart_cost＝tstable-tunstable；
启动冲击电流比特征提取(特征F3):从tunstable开始到tstable之间的最大有效电流记为imax，上一个稳态的电流值为tlast_stable，启动冲击电流比为：
电流跳变次数特征提取(特征F4):从上个稳态时间tlast_stable开始搜索极值，包括极大值或极小值，一直到tstable结束；初始值为一个整形的数0，遇到第1次极大值，则第1个bit位置1；遇到第1次极小值则第1个bit位置0；第2次极值，则对第2个bit位做相应赋值；以此类推，第i次极值，对第i个bit位赋值，最后形成一个bit图，整数取值就为电流跳变次数特征的取值；
功率因数特征提取(特征F5):功率因数为有功功率和视在功率的比值，
其中u,i分别为电压和电流有效值。
进一步的，特征数据库的建立包括如下步骤：
(1)采集单个家庭的样本数据库，以室为单位的，构成第一级Level1的特征数据库；
(2)Level1的特征数据库执行合并去重操作；
(3)Level1的特征数据库合并去重交付给下一级Level2的特征数据库，下一级的Level2数据库是上一级Level1的特征数据库的合集，并执行合并去重操作，以此类推，最终全局数据库是所有Level1数据库合并去重后的合集。
进一步的，所述合并操作为将被标注为同一类电器的特征向量合并归到该类电器下；去重操作是计算特征数据库中的每两个特征向量之间欧式距离，当第i个特征向量和第j个特征向量的欧式距离dij小于设定的阈值时，随机删除其中一个，保证数据库不会有冗余。
附图说明
图1是分级特征数据库的架构示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，本发明的基于欧式距离的多级特征匹配非侵入式用电设备检测方法，包括如下步骤：
1.电气特征提取
以6.4kHz的采样频率进行电流和电压采样，并通过采样值提取以下5维特征：稳态电流特征(特征F1)，启动时间特征(特征F2)，启动冲击电流比特征(特征F3),电流跳变次数特征(特征F4),功率因数特征(特征F5)。
稳态电流特征提取(特征F1)：将采样电流以128个采样点每个周期为一个计算单元，计算电流有效值取连续的50个计算单元的有效值，如果每个计算单元的值与50个计算单元的平均值波动小于50mA，则认为进入稳态，平均值记为稳态电流值istable；
启动时间特征提取(特征F2):判断稳定状态由非稳态(如上的波动大于50mA时判断为非稳态)变为稳态时，记录进入稳态的时间为tstable。将最近一次被判断为非稳态时的时间记下为tunstable。启动时间为:tstart_cost＝tstable-tunstable；
启动冲击电流比特征提取(特征F3):从tunstable开始到tstable之间的最大有效电流记为imax，上一个稳态的电流值为tlast_stable，启动冲击电流比为：
电流跳变次数特征提取(特征F4):从上个稳态时间tlast_stable开始搜索极值(极大值或极小值)，一直到tstable结束。F4初始值为一个整形的数0。遇到第1次极大值，则F4的第1个bit位置1；极小值则第1个bit位置0。第2次极值，则对F4的第2个bit位做相应赋值。以此类推，第i次极值，对第i个bit位赋值。最后会形成一个bit map，它的整数取值就为特征F4的取值。
功率因数特征提取(特征F5):功率因数为有功功率和视在功率的比值，
其中u,i分别为电压和电流有效值。
2.基于单个家庭的电器特征标注
(6)系统的初始特征库为空；
(7)当接入电器时，电流稳态情况发生切换。通过步骤1提取上述F1、F2、F3、F4、F5等5个特征；
(8)遍历1级特征数据库中的所有电器的现有特征向量并计算与上述接入电器特征向量的欧式距离d，如下式：
其中Fij为第j个样本的第i个特征值；
记录距离值小于设定阈值的所有特征向量，并取与当前接入电器欧式距离最小的特征向量作为识别结果，其对应电器分类即为识别结果；如果不存在距离值小于设定阈值的特征向量，转入步骤(4)；
(9)遍历下一级特征数据库进行匹配，匹配方法同步骤(3)。如果下一级特征数据库不存在则终止，此时判断为未识别电器接入，提醒用户新发现未识别电器并提示用户标注电器名称，并添加新的电器分类将当前特征向量与其绑定；如果绑定成功，则得到识别结果，转步骤(5)；如果未绑定成功，重复步骤(4)。
(10)得到的识别结果提示给用户，用户可以进行手动修改，修改后将当前特征向量与用户手动修改的分类进行绑定。
3.基于海量用户数据的分级特征库收集
如图1所示，步骤1中详细描述了单个家庭的样本数据库采集。本发明提出了级特征库架构，它按照1级到n级来分级。1级为特定某户家庭的用电器特征数据集，2级为区/县，3级为城市，n级分布，最后一级为全局数据库，它是所有数据库的合集。之所以分级，是因为使用一个家庭自己标签化的私有数据库做识别会最准确，而由于各区/县/城市同类电器的不同品牌流行程度不一样，所以集合越针对特定的区域，准确度会越高。分级特征数据库的架构，既可以共享其他所有用户的特征数据库，免去每个家庭重复标注的工作，又可以通过分级提升识别准确度。具体包括如下步骤：
(4)按步骤1中描述的过程采集单个家庭的样本数据库，它是以室为单位的，如图1中的第一级Level1；
(5)Level1的特征数据库会被执行合并去重操作。其中的合并操作为将被标注为同一类电器的特征向量合并归到该类电器下；去重操作是计算特征数据库中的每两个特征向量之间欧式距离，当第i个特征向量和第j个特征向量的欧式距离dij小于设定的阈值时，随机删除其中一个，保证数据库不会有冗余。
(6)Level1的特征数据库合并去重交付给下一级Level2的数据库，下一级数据库是上一级的合集，最终的全局数据库是所有Level1数据库合并去重后的合集。

Claims (4)

1.基于欧式距离的多级特征匹配非侵入式用电设备检测方法，包括如下步骤：
(1)初始特征库为空；
(2)当接入电器时，电流稳态情况发生切换，提取以下5维特征：稳态电流特征(特征F1)，启动时间特征(特征F2)，启动冲击电流比特征(特征F3),电流跳变次数特征(特征F4),功率因数特征(特征F5)；
(3)遍历1级特征数据库中的所有电器的现有特征向量并计算与上述接入电器特征向量的欧式距离d，如下式：
其中Fij为第j个样本的第i个特征值；
记录距离值小于设定阈值的所有特征向量，并取与当前接入电器欧式距离最小的特征向量作为识别结果，其对应电器分类即为识别结果；如果不存在距离值小于设定阈值的特征向量，转入步骤(4)；
(4)遍历下一级特征数据库进行匹配，匹配方法同步骤(3)；如果下一级特征数据库不存在则终止，此时判断为未识别电器接入，提醒用户新发现未识别电器并提示用户标注电器名称，并添加新的电器分类将当前特征向量与其绑定；如果绑定成功，则得到识别结果，转步骤(5)；如果未绑定成功，重复步骤(4)；
(5)得到的识别结果提示给用户，用户进行手动修改，修改后将当前特征向量与用户手动修改的分类进行绑定。
2.如权利要求1所述的基于欧式距离的多级特征匹配非侵入式用电设备检测方法，其特征在于：
以6.4kHz的采样频率进行电流和电压采样，并通过采样值提取以下所述5维特征：稳态电流特征(特征F1)，启动时间特征(特征F2)，启动冲击电流比特征(特征F3),电流跳变次数特征(特征F4),功率因数特征(特征F5)；
稳态电流特征提取(特征F1)：将采样电流以128个采样点每个周期为一个计算单元，计算电流有效值取连续的50个计算单元的有效值，如果每个计算单元的值与50个计算单元的平均值波动小于50mA，则认为进入稳态，平均值记为稳态电流值istable；
启动时间特征提取(特征F2):判断稳定状态由非稳态变为稳态时，记录进入稳态的时间为tstable。将最近一次被判断为非稳态时的时间记下为tunstable；启动时间为:tstart_cost＝tstable-tunstable；
启动冲击电流比特征提取(特征F3):从tunstable开始到tstable之间的最大有效电流记为imax，上一个稳态的电流值为tlast_stable，启动冲击电流比为：
电流跳变次数特征提取(特征F4):从上个稳态时间tlast_stable开始搜索极值，包括极大值或极小值，一直到tstable结束；初始值为一个整形的数0，遇到第1次极大值，则第1个bit位置1；遇到第1次极小值则第1个bit位置0；第2次极值，则对第2个bit位做相应赋值；以此类推，第i次极值，对第i个bit位赋值，最后形成一个bit图，整数取值就为电流跳变次数特征的取值；
功率因数特征提取(特征F5):功率因数为有功功率和视在功率的比值，
其中u,i分别为电压和电流有效值。
3.如权利要求2所述的基于欧式距离的多级特征匹配非侵入式用电设备检测方法，其特征在于：特征数据库的建立包括如下步骤：
(1)采集单个家庭的样本数据库，以室为单位的，构成第一级Level1的特征数据库；
(2)Level1的特征数据库执行合并去重操作；
(3)Level1的特征数据库合并去重交付给下一级Level2的特征数据库，下一级的Level2数据库是上一级Level1的特征数据库的合集，并执行合并去重操作，以此类推，最终全局数据库是所有Level1数据库合并去重后的合集。
4.如权利要求3所述的基于欧式距离的多级特征匹配非侵入式用电设备检测方法，其特征在于：所述合并操作为将被标注为同一类电器的特征向量合并归到该类电器下；去重操作是计算特征数据库中的每两个特征向量之间欧式距离，当第i个特征向量和第j个特征向量的欧式距离dij小于设定的阈值时，随机删除其中一个，保证数据库不会有冗余。
CN201810519097.5A 2018-05-25 2018-05-25 面向家庭环境的多级特征匹配非侵入式用电设备检测方法 Active CN108872742B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810519097.5A CN108872742B (zh) 2018-05-25 2018-05-25 面向家庭环境的多级特征匹配非侵入式用电设备检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810519097.5A CN108872742B (zh) 2018-05-25 2018-05-25 面向家庭环境的多级特征匹配非侵入式用电设备检测方法

Publications (2)

Publication Number Publication Date
CN108872742A true CN108872742A (zh) 2018-11-23
CN108872742B CN108872742B (zh) 2021-08-27

Family

ID=64335011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810519097.5A Active CN108872742B (zh) 2018-05-25 2018-05-25 面向家庭环境的多级特征匹配非侵入式用电设备检测方法

Country Status (1)

Country Link
CN (1) CN108872742B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110031701A (zh) * 2019-04-15 2019-07-19 杭州拓深科技有限公司 一种基于电流指纹技术的电器特征检测方法
CN112255480A (zh) * 2020-10-12 2021-01-22 浙江长元科技有限公司 基于霍尔效应的电器特征识别方法及其安全预警系统
CN113065447A (zh) * 2021-03-29 2021-07-02 南京掌控网络科技有限公司 一种图像集中自动识别商品的方法和设备
CN116149712A (zh) * 2023-04-04 2023-05-23 湖南中青能科技有限公司 一种数据库版本更新兼容匹配方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103217603A (zh) * 2013-03-22 2013-07-24 重庆大学 一种非侵入式家用电器用电状况在线监测的识别方法
CN106483370A (zh) * 2016-10-21 2017-03-08 威胜集团有限公司 基于多特征融合的非侵入式家用负荷实时识别方法及装置
CN106599138A (zh) * 2016-12-05 2017-04-26 南京信息工程大学 一种用电器种类识别方法
CN106650693A (zh) * 2016-12-30 2017-05-10 河北三川科技有限公司 一种用于人脸比对的多特征融合识别算法
CN106936129A (zh) * 2017-03-23 2017-07-07 东北大学 基于多特征融合的电力负荷辨识方法及系统
CN107657273A (zh) * 2017-09-15 2018-02-02 杭州拓深科技有限公司 面向楼宇用电设备的自学习非侵入式用电设备检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103217603A (zh) * 2013-03-22 2013-07-24 重庆大学 一种非侵入式家用电器用电状况在线监测的识别方法
CN106483370A (zh) * 2016-10-21 2017-03-08 威胜集团有限公司 基于多特征融合的非侵入式家用负荷实时识别方法及装置
CN106599138A (zh) * 2016-12-05 2017-04-26 南京信息工程大学 一种用电器种类识别方法
CN106650693A (zh) * 2016-12-30 2017-05-10 河北三川科技有限公司 一种用于人脸比对的多特征融合识别算法
CN106936129A (zh) * 2017-03-23 2017-07-07 东北大学 基于多特征融合的电力负荷辨识方法及系统
CN107657273A (zh) * 2017-09-15 2018-02-02 杭州拓深科技有限公司 面向楼宇用电设备的自学习非侵入式用电设备检测方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110031701A (zh) * 2019-04-15 2019-07-19 杭州拓深科技有限公司 一种基于电流指纹技术的电器特征检测方法
CN112255480A (zh) * 2020-10-12 2021-01-22 浙江长元科技有限公司 基于霍尔效应的电器特征识别方法及其安全预警系统
CN113065447A (zh) * 2021-03-29 2021-07-02 南京掌控网络科技有限公司 一种图像集中自动识别商品的方法和设备
CN116149712A (zh) * 2023-04-04 2023-05-23 湖南中青能科技有限公司 一种数据库版本更新兼容匹配方法
CN116149712B (zh) * 2023-04-04 2023-06-27 湖南中青能科技有限公司 一种数据库版本更新兼容匹配方法

Also Published As

Publication number Publication date
CN108872742B (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
CN108872742A (zh) 面向家庭环境的多级特征匹配非侵入式用电设备检测方法
CN104331446B (zh) 一种基于内存映射的海量数据预处理方法
US20180351355A1 (en) Method for identifying pattern of load cycle
CN103309559B (zh) 一种控制界面应用图标的方法及终端
CN104699835B (zh) 用于确定网页页面中包括兴趣点poi数据的方法及装置
US20100145892A1 (en) Search device and associated methods
CN106872824A (zh) 一种电网负载电器类型识别和不同电器电量统计的方法及其装置
CN103853738A (zh) 一种网页信息相关地域的识别方法
CN108363717B (zh) 一种数据安全级别的识别检测方法及装置
CN103838754A (zh) 信息搜索装置及方法
CN103294820B (zh) 基于语义扩展的web页面归类方法和系统
CN103207901B (zh) 一种基于搜索引擎获取ip地址归属地的方法和装置
CN104462143A (zh) 连锁品牌词词库、类别词词库建立方法和装置
CN106777328A (zh) 一种移动终端的题目推荐方法及装置
CN104698506A (zh) 一种适合非均质盐湖盆地油气来源识别方法
CN105305437B (zh) 电力负荷三重可信度匹配辨识方法
CN106991084A (zh) 一种文档评估方法及装置
CN111783786B (zh) 图片的识别方法、系统、电子设备及存储介质
CN103150388A (zh) 一种提取关键词的方法及装置
CN102750521A (zh) 一种基于人脸的身份识别系统
CN105989143B (zh) 网络实体热度分析方法及系统
CN102129017A (zh) 基于援例的智能局部放电故障识别系统及识别方法
CN103700084A (zh) 基于区域尺寸和弯曲度的化学分子结构图分割方法
CN106991404B (zh) 基于众源地理数据的地表覆盖更新方法及系统
Kesici et al. An optimal pmu placement scheme for early prediction of transient instabilities in power systems

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