CN110543902B - 一种家用电器用电状况的整体检测和个体识别装置 - Google Patents
一种家用电器用电状况的整体检测和个体识别装置 Download PDFInfo
- Publication number
- CN110543902B CN110543902B CN201910781504.4A CN201910781504A CN110543902B CN 110543902 B CN110543902 B CN 110543902B CN 201910781504 A CN201910781504 A CN 201910781504A CN 110543902 B CN110543902 B CN 110543902B
- Authority
- CN
- China
- Prior art keywords
- data
- real
- module
- classifier
- frequency
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000007405 data analysis Methods 0.000 claims abstract description 35
- 238000001228 spectrum Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000013500 data storage Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000000087 stabilizing effect Effects 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000006641 stabilisation Effects 0.000 claims description 6
- 238000011105 stabilization Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract 1
- 230000008676 import Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000021615 conjugation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了安装在家庭中的家用电器用电状况的整体检测和个体识别装置，属于电磁信号处理领域。该装置通过监测室外总电源线上设备的传导发射信号，便可得知室内设备的工作情况。主要步骤包括数据库建立、分类器训练和实时数据分析。数据库建立包括数据采集(或导入)、label设置；分类器训练包括训练样本特征提取、分类器模型建立；实时数据分析包括实时数据采集、数据特征分析与提取、辨识结果显示。相比于其他识别装置，本发明从设备杂散电磁频谱数据入手，获取更可靠特征，具有准确度高、数据采集便捷等优点。
Description
技术领域
本申请属于电磁信号处理技术领域，涉及电磁频谱数据处理，更具体地涉及安装在家庭中的家用电器用电状况的整体检测和个体识别装置。
背景技术
智能电网及其配套的家庭自动化网络有望成为降低居民能耗的主要能源管理工具之一。家用电器工作状态的辨识可以为智能电网中设备的监测提供技术支持，有助于解决用户对自己用电情况不了解、浪费等问题，提高居民节能减排意识。另外对家用电器工作状态的监测可揭示室内人类活动，预防危险发生。例如，对浴室电器长时使用的辨识，可有效避免隐含危险的发生，甚至是人员生命威胁。安装在家庭中的家用电器用电状况的整体检测和个体识别装置的主要功能便是对家电工作状态的辨识，它仅采集总电源上家用电器的传导发射数据，有效避免在各个家电上安装传感器的繁琐工作。
现有技术中已针对家电工作状态的辨识开展了相关研究。家电工作状态改变时产生的瞬态噪声被提取为特征量，但这要求数据采集系统高精度监控家电状态，不断捕获信号，导致较大存储量和计算量；另外，一些尖峰信号的位置、形状、间距等被用作特征量，然而同样的尖峰也可能由环境、测试方式等其他因素引入，从而使识别精确度下降。
发明内容
本发明的目的旨在克服现有技术的不足，提供一种安装在家庭中的家用电器用电状况的整体检测和个体识别装置。本发明提出从电磁频谱数据入手，关注家用电器在总电源线上的电磁频谱信号，该信号可为家电工作状态的辨识等提供有用信息，并得到安装在家庭中的家用电器用电状况的整体检测和个体识别装置。本发明采集设备稳态运行状态时电源线杂散发射的频谱，降低对系统采样率的要求，同时减小计算量，并且提取新的电磁特征，有效避免环境等外界因素的影响，提高识别准确度。
本发明完整的技术方案包括：
一种家用电器用电状况的整体检测和个体识别装置，包括线路阻抗稳定网络、绝缘层、数据存储模块、数据分析模块、排风扇、显示模块、频谱模块、外置USB HUB和开关电源模块；
所述家用电器用电状况的整体检测和个体识别装置为两层结构，所述数据存储模块与数据分析模块处于一层中，所述频谱模块和外置USB HUB处于另一层中，其他部件贯穿两层；采用上述设置首先可以实现装置的小型化，以节省使用空间，便于该装置在家庭内的安装使用。此外可以避免各模块之间的相互干扰。
所述线路阻抗稳定网络一端与输入电源线零线、火线相接，地线独立引出接地，另一端与家电负载端的电源线相接，为家电供电，线路阻抗稳定网络外侧设有绝缘层；所述线路阻抗稳定网络功能为隔离外界干扰，起到滤波作用，提供稳定阻抗，并且为频谱模块提供历史数据与实时数据，
所述频谱模块通过信号线连接线路阻抗稳定网络，采集电源线传导发射数据，并连接数据存储模块与数据分析模块，所述数据存储模块与数据分析模块接收并存储、分析电源线传导发射数据，建立小型数据库，训练分类器，建立分类器模型，实现家电工作状态的实时辨识，所述数据分析模块连接显示模块与外置USB HUB；
所述外置USB HUB与主面板外置端口相接，提供输入设备、输出设备等接口，作用为拓展数据存储与分析模块接口；
所述开关电源模块一端与输入电源线相接，另一端与排风扇和显示模块相接，为排风扇和显示屏提供12V直流电；
所述装置还包括主面板，所述主面板上设有显示模块、电源线连接器、电源按钮、连接口和保护框；
所述显示模块具有指引操作和结果显示功能；所述电源按钮具有启动和关闭装置的功能；
所述连接口包括：具有数据传输功能的USB(通用串行总线)接口；满足PS/2通讯协议和结构，具有连接鼠标功能的接口；满足PS/2通讯协议和结构的，具有连接键盘功能的接口；
所述电源线连接器为家用电器供电。
所述装置包括数据库建立、分类器模型建立、实时数据分析三个单元，所述数据库建立单元调用频谱模块、数据存储模块和数据分析模块，确定采集的参数，如起始频率、终止频率、参考电平、分辨率带宽、采集数据点数、采集仪器的名称型号进行历史数据的采集，并显示采集历史数据波形。
所述分类器模型建立单元对数据类型参数(起始频率、终止频率、数据点数、设备个数等)进行确定，选择训练样本路径，对数据预处理后，提取样本特征，并建立分类器模型。
所述实时数据分析单元对数据参数进行设置(起始频率、终止频率、参考电平、分辨率带宽、采集数据点数、采集仪器的名称型号)，并对实时数据进行采集和频谱显示，实现家电工作状态辨识结果显示。
分类器模型建立单元和实时数据分析单元，都包含对数据的特征提取和分类器训练或识别步骤。本发明为全面反映信号特征，分别从物理机理和时频分布的角度，结合电磁发射要素理论、分数阶相关方法，提取了电磁发射数据的两组互补特征。具体为：首先深入物理机理，基于B样条曲线拟合将信号进行宽带分量和窄带分量的分离，然后将两分量的分段期望和方差作为第一组特征，其中以极值点作为控制点的B样条曲线拟合方法可参考现有技术。然后为反映信号在时频平面的相关程度，依据时频变换思想，本发明为提取相应特征，将采集的频域数据看作同相时域信号，基于分数阶傅里叶变换的分数阶相关系数强度被提取作为第二组特征，在分类器模型建立和实时数据分析单元中的具体处理过程如下：
1.分类器模型建立过程：
(1)利用公式(1)分别计算每两个训练样本yi(n)和yj(n)的p阶分数阶傅里叶变换
和
其中，i,j＝1,2,…,N，N是训练样本的总数；
其中，
是分数阶傅里叶变换的核函数,当p≠2a(a为整数)时，
α＝pπ/2。
(2)利用公式(2)计算yi(n)和yj(n)的分数阶相关系数
并将最大幅值记为
因此，对于训练样本yi(n),第二组特征量可以表示为
其中，*代表共轭，F-π/2代表傅里叶逆变换。
2.实时数据分析过程：
(1)利用公式(1)计算实时数据yk(n)(k＝1,2,…,M，M为实时数据个数)的p阶分数阶傅里叶变换
(2)利用公式(2)计算实时数据yk(n)与各个训练样本yi(n)的分数阶相关系数的最大幅值，记为
由上述两组特征向量可构建两个特征空间，为提高识别精度，基于两个特征空间的组合分类器被使用。组合分类器中成员分类器采用适用小样本情况的支持向量机，组合规则则采用D-S证据理论，成员分类器和组合规则具体可参考现有技术。
利用所述的装置进行家用电器工作状态的辨识的方法包括如下步骤：
(1)建立数据库：将安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022接入欲监测区域的总电源线，通过7(a)所示界面完成数据采集，依次确定数据采集仪器名称和数据参数，记录家用电器不同工作组合时电源线上传导发射信号，并生成相应的label，若已有相关记录数据也可通过USB接口直接导入；
(2)分类器模型建立：根据7(b)所示界面，首先确定训练样本各参数值：起始频率、终止频率、数据点数等，然后选取训练样本所在路径，点击数据预处理，完成特征提取，最后点击开始训练，直至训练完成按钮变成绿色，建立分类器模型，若已有训练样本特征向量，可忽略数据预处理部分，直接点击开始训练，完成分类器模型的建立；
(3)实时数据分析：根据7(c)所示界面，依次确定实时数据采集仪器名称和数据参数，然后运行该界面，家用电器工作状态的辨识结果会显示在结果显示区。
通过使用本发明的装置，获得了如下有利的技术效果：相较于现有的识别装置，从设备稳态运行时的杂散频谱数据入手，降低数据采集难度；提取稳定可靠特征量，训练分类器，通过信息融合给出最终识别结果；该设备具备较高识别准确度。
附图说明
图1为安装在家庭中的家用电器用电状况的整体检测和个体识别装置整机示意图。
图2为安装在家庭中的家用电器用电状况的整体检测和个体识别装置使用示意图。
图3为安装在家庭中的家用电器用电状况的整体检测和个体识别装置组成结构示意图。
图4为安装在家庭中的家用电器用电状况的整体检测和个体识别装置内部布局示意图。
图5为安装在家庭中的家用电器用电状况的整体检测和个体识别装置主面板模块。
图6为安装在家庭中的家用电器用电状况的整体检测和个体识别装置的总显示界面。
图7为安装在家庭中的家用电器用电状况的整体检测和个体识别装置的分界面。
具体实施方式
以下通过实例对本发明进行描述，且只适用于对发明的进一步说明，不能理解为对本发明保护范围的限制，该领域的技术熟练人员可以根据上述本发明内容对本发明进行一些非本质的改进和调整。下面将结合附图和实施例对本发明作进一步的详细说明。
图1为所述的安装在家庭中的家用电器用电状况的整体检测和个体识别装置整机BH0022示意图。图2为所述的安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022使用示意图。图中接入点1和接入点2分别对应该装置的两种用途：当装置接入装置接入点1时，该装置应用于整个家庭，可实现对家用电器的常见工作组合方式的识别；当装置接入装置接入点2时，该装置应用于某一家庭分区，可实现对家用电器工作状态的监测，揭示人类活动，预防危险发生。
图3为所述的安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022组成结构示意图。图4为所述的安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022内部布局示意图。如图4该装置包括：1为线路阻抗稳定网络、2为绝缘层、3为数据存储与分析模块、4为排风扇、5为显示模块、6为频谱模块、7为外置USB HUB、8为开关电源模块。其中，数据存储与分析模块和频谱模块、外置USB HUB分处两层，其他器件贯穿两层。线路阻抗稳定网络主要功能为隔离外界干扰，起到滤波作用，提供稳定阻抗，一端与输入电源线零线、火线相接，地线独立引出接地，另一端与家电负载端的电源线相接，为家电供电，另外为频谱模块提供历史数据与实时数据；开关电源模块主要功能为风扇和显示屏提供12V直流电，一端与输入电源线相接，另一端与风扇、显示屏相接；数据存储与分析模块主要功能为采集、存储、分析电源线传导发射数据，建立小型数据库，训练分类器，建立分类器模型，实现家电工作状态的实时辨识，由输入电源线直接供电，与显示屏、频谱模块、外置USB HUB相接；外置USB HUB主要功能为拓展数据存储与分析模块接口，与主面板外置端口相接，提供输入设备、输出设备等接口。
所述的安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022的主面板模块如图5所示，由显示屏、连接口、保护框等组成，其中9为塑料保护框；10为显示屏，具有指引操作和结果显示功能；11为电源按钮，具有启动和关闭装置的功能；12、13、14为USB(通用串行总线)接口，具有数据传输功能；15为满足PS/2通讯协议和结构，具有连接鼠标接口功能；16为满足PS/2通讯协议和结构，具有连接键盘接口功能；17为电源线连接器，具有为家用电器供电的功能。
所述的安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022的显示界面如图6所示，由三个分界面组成，主要包括数据库建立、分类器模型建立、实时数据分析三个模块，各界面的具体组成如图7所示。7(a)为数据库建立界面，包括参数设置和频谱显示，18功能为选择历史数据采集仪器名称，19功能为设置采集历史数据参数：起始频率、终止频率、参考电平、分辨率带宽、采集数据点数等，20功能为显示采集历史数据波形。7(b)为分类器模型建立界面，包括数据参数确定、数据预处理、分类器模型建立，21功能为确定训练样本参数，包括起始频率、终止频率、数据点数和待识别家电个数，22功能为选择训练样本路径，并对数据进行预处理，提取样本特征，23功能为建立分类器模型。7(c)为实时数据分析界面，包括参数设置、频谱显示和结果显示，24功能为选择实时数据采集仪器名称，25功能为设置采集实时数据参数：起始频率、终止频率、参考电平、分辨率带宽、采集数据点数等，26功能为实时数据频谱显示，27功能为家电工作状态辨识结果显示。
利用所述的安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022进行家用电器工作状态的辨识，包括如下步骤：
(1)建立数据库：将安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022接入欲监测区域的总电源线，通过7(a)所示界面完成数据采集，依次确定数据采集仪器名称和数据参数，记录家用电器不同工作组合时电源线上传导发射信号，并生成相应的label，若已有相关记录数据也可通过USB接口直接导入；
(2)分类器模型建立：根据7(b)所示界面，首先确定训练样本各参数值：起始频率、终止频率、数据点数等，然后选取训练样本所在路径，点击数据预处理，完成特征提取，最后点击开始训练，直至训练完成按钮变成绿色，建立分类器模型，若已有训练样本特征向量，可忽略数据预处理部分，直接点击开始训练，完成分类器模型的建立；
(3)实时数据分析：根据7(c)所示界面，依次确定实时数据采集仪器名称和数据参数，然后运行该界面，家用电器工作状态的辨识结果会显示在结果显示区。
如图4所示，安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022由线路阻抗稳定网络、绝缘层、数据存储与分析模块、排风扇、显示模块、频谱模块、外置USB HUB、开关电源模块等组成。装置连接在欲监控区域的电源主线上，具备识别区域内家用电器工作状态的功能。
如图5所示，安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022的主面板模块由显示屏、连接口、保护框等组成，具有提供数据导入导出端口、连接电源及家用电器的功能。
如图6所示，安装在家庭中的家用电器用电状况的整体检测和个体识别装置BH0022的显示界面由数据库建立、分类器模型建立、实时数据分析三个分界面构成，具有进程控制、参数设置和结果显示等功能。
下面以一具体实施例，说明本发明的具体实现步骤。
实施例1：
为贴近实际情况，本实施例中选取三种常见家用电器：台灯、吹风机、加湿器，构成待检测区域。
第一步：装置连接：分别连接装置与电源主线、端口17与插线板(供台灯、加湿器、吹风机用电)；
第二步：数据库建立：首先选定数据采集设备，确定数据参数，然后在三种家用电器的不同工作方式下，各采集并存储电源线上50组传导发射信号，共2^3*50＝400组，生成对应label，若已有相关记录数据也可直接导入；
第三步：训练分类器：根据第二步数据参数确定分类器训练的数据参数，然后选取第二步采集的400组数据，导入对应label，点击数据预处理按钮；点击开始训练按钮，直至训练完成按钮变绿色，若已有预处理后训练样本的特征向量，也可以直接导入，然后开始训练；
第四步：实时数据分析：首先选定实时数据采集仪器，根据第二步的数据参数设置实时数据采集参数，然后运行界面，在结果显示窗口观察实时家用电器工作状态；
第五步：统计辨识精度：在不同时间段，采集三种家用电器不同工作组合下的传导发射数据800组，统计识别精确度90％左右(720/800)。
对于本领域的普通技术人员来说，在不脱离本申请创造构思的前提下，还可以对本发明的实施例做出若干变型和改进，这些都属于本申请的保护范围。
Claims (7)
1.一种家用电器用电状况的整体检测和个体识别装置，其特征在于，包括线路阻抗稳定网络、绝缘层、数据存储模块、数据分析模块、排风扇、显示模块、频谱模块、外置USB HUB和开关电源模块；
所述家用电器用电状况的整体检测和个体识别装置为两层结构，所述数据存储模块与数据分析模块处于一层中，所述频谱模块和外置USB HUB处于另一层中，其他部件贯穿两层；
所述线路阻抗稳定网络一端与输入电源线零线、火线相接，地线独立引出接地，另一端与家电负载端的电源线相接，为家电供电，线路阻抗稳定网络外侧设有绝缘层；所述线路阻抗稳定网络隔离外界干扰，滤波并提供稳定阻抗，并为频谱模块提供历史数据与实时数据；
所述频谱模块通过信号线连接线路阻抗稳定网络，采集电源线传导发射数据，并连接数据存储模块与数据分析模块，所述数据存储模块与数据分析模块接收并存储、分析电源线传导发射数据，建立小型数据库，训练分类器，建立分类器模型，实现家电工作状态的实时辨识，所述数据分析模块连接显示模块与外置USB HUB；分类器模型和数据分析模块都包含对数据的特征提取和分类器训练或识别步骤，分别从物理机理和时频分布的角度，结合电磁发射要素理论、分数阶相关方法，提取了电磁发射数据的两组互补特征；具体为：首先深入物理机理，基于B样条曲线拟合将信号进行宽带分量和窄带分量的分离，然后将两分量的分段期望和方差作为第一组特征；然后为反映信号在时频平面的相关程度，依据时频变换思想，将采集的频域数据看作同相时域信号，基于分数阶傅里叶变换的分数阶相关系数强度被提取作为第二组特征；
所述外置USB HUB与主面板外置端口相接，提供输入设备、输出设备接口，作用为拓展数据存储与分析模块接口；
所述开关电源模块一端与输入电源线相接，另一端与排风扇和显示模块相接，为排风扇和显示模块提供12V直流电。
2.根据权利要求1所述的一种家用电器用电状况的整体检测和个体识别装置，其特征在于，所述装置还包括主面板，所述主面板上设有显示模块、电源线连接器、电源按钮、连接口和保护框；
所述显示模块具有指引操作和结果显示功能；
所述电源按钮具有启动和关闭装置的功能；
所述连接口包括：具有数据传输功能的USB接口；满足PS/2通讯协议和结构，具有连接鼠标功能的接口；满足PS/2通讯协议和结构的，具有连接键盘功能的接口；
所述电源线连接器为家用电器供电。
3.根据权利要求1或2所述的一种家用电器用电状况的整体检测和个体识别装置，其特征在于，所述装置包括数据库建立、分类器模型建立、实时数据分析三个单元；
所述数据库建立单元调用频谱模块、数据存储模块和数据分析模块，确定采集的参数类型，所述参数类型包括但不限于起始频率、终止频率、参考电平、分辨率带宽、采集数据点数、采集仪器的名称型号，进行历史数据的采集，并显示采集历史数据波形；
所述分类器模型建立单元确定数据参数类型，参数类型包括但不限于起始频率、终止频率、数据点数、设备个数，选择训练样本路径，对数据预处理后，提取样本特征，并建立分类器模型；
所述实时数据分析单元设置数据参数类型，参数类型包括但不限于起始频率、终止频率、参考电平、分辨率带宽、采集数据点数、采集仪器的名称型号，并对实时数据进行采集和频谱显示，实现家电工作状态辨识结果显示。
4.根据权利要求3所述的一种家用电器用电状况的整体检测和个体识别装置，其特征在于，
所述分类器模型建立单元包括对数据的特征提取和分类器训练功能，所述实时数据分析单元包括对数据的特征提取和分类器识别功能；所述分类器模型建立单元和实时数据分析单元分别从物理机理和时频分布角度提取电磁发射数据的互补的两组特征，具体为：首先基于B样条曲线拟合将信号进行宽带分量和窄带分量的分离，然后将两分量的分段期望和方差作为第一组特征；随后将采集的频域数据看作同相时域信号，基于分数阶傅里叶变换的分数阶相关系数强度被提取作为第二组特征。
5.根据权利要求4所述的一种家用电器用电状况的整体检测和个体识别装置，其特征在于，所述分类器模型建立过程为：
步骤1：利用如下公式(1)分别计算每两个训练样本yi(n)和yj(n)的p阶分数阶傅里叶变换
和
式中，i，j＝1，2，…，N，N是训练样本的总数；
是分数阶傅里叶变换的核函数，当p≠2a，a为整数时，
步骤2：利用如下公式(2)计算yi(n)和yj(n)的分数阶相关系数
式中，*代表共轭，F-π/2代表傅里叶逆变换；
步骤3：
的最大幅值记为
对于训练样本yi(n)，以
表示第二组特征量。
6.根据权利要求5所述的一种家用电器用电状况的整体检测和个体识别装置，其特征在于，所述实时数据分析单元的实时数据分析过程为：
(1)利用公式(1)计算实时数据yk(n)的p阶分数阶傅里叶变换
k＝1，2，…，M，M为实时数据个数；
(2)利用公式(2)计算实时数据yk(n)与各个训练样本yi(n)的分数阶相关系数的最大幅值，记为
将上述两组特征向量构建两个特征空间，使用基于两个特征空间的组合分类器，组合分类器中成员分类器采用适用小样本情况的支持向量机，组合规则采用D-S证据理论，对实时数据进行分析。
7.利用权利要求1-6中任一项所述的装置进行家用电器工作状态的辨识的方法，其特征在于，包括如下步骤：
(1)建立数据库：将所述家用电器用电状况的整体检测和个体识别装置接入欲监测区域的总电源线，通过数据库建立单元完成数据采集，依次确定数据采集仪器名称和数据参数，记录家用电器不同工作组合时电源线上传导发射信号，并生成相应的label，若已有相关记录数据通过USB接口直接导入；
(2)分类器模型建立：通过分类器模型建立单元确定训练样本各参数值：起始频率、终止频率、数据点数，然后选取训练样本所在路径，点击数据预处理，完成特征提取，最后点击开始训练，直至训练完成，建立分类器模型，若已有训练样本特征向量，忽略数据预处理部分，直接点击开始训练，完成分类器模型的建立；
(3)实时数据分析：通过实时数据分析单元依次确定实时数据采集仪器名称和数据参数，然后运行该单元，在结果显示区显示家用电器工作状态的辨识结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910781504.4A CN110543902B (zh) | 2019-08-23 | 2019-08-23 | 一种家用电器用电状况的整体检测和个体识别装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910781504.4A CN110543902B (zh) | 2019-08-23 | 2019-08-23 | 一种家用电器用电状况的整体检测和个体识别装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110543902A CN110543902A (zh) | 2019-12-06 |
| CN110543902B true CN110543902B (zh) | 2022-05-24 |
Family
ID=68711985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910781504.4A Active CN110543902B (zh) | 2019-08-23 | 2019-08-23 | 一种家用电器用电状况的整体检测和个体识别装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110543902B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113709118B (zh) * | 2021-08-11 | 2022-10-25 | 西安交通大学 | 一种多设备协同发波检验的物理入侵设备定位方法及系统 |
Citations (2)
| 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 |
| CN109344809A (zh) * | 2018-11-21 | 2019-02-15 | 上海交通大学 | 基于磁感应信号的家用电器设备智能管理系统 |
-
2019
- 2019-08-23 CN CN201910781504.4A patent/CN110543902B/zh active Active
Patent Citations (2)
| 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 |
| CN109344809A (zh) * | 2018-11-21 | 2019-02-15 | 上海交通大学 | 基于磁感应信号的家用电器设备智能管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| NILM Techniques for Intelligent Home Energy Management and Ambient Assisted Living: A Review;Antonio Ruano等;《energies》;20190610;1-29 * |
| 基于智能插座的电器状态监测系统的设计与实现;冯晓伟;《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》;20171115;I140-147 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110543902A (zh) | 2019-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8463452B2 (en) | Apparatus using time-based electrical characteristics to identify an electrical appliance | |
| EP2775266B1 (en) | Electrical event detection device and method of detecting and classifying electrical power usage | |
| CN108899892A (zh) | 一种基于cnn非侵入式用电负荷分解方法 | |
| CN109752613B (zh) | 基于非侵入式负荷监测的违约用电检测系统及方法 | |
| CN105429135A (zh) | 一种非侵入式电力负荷分解的辨识决策方法及系统 | |
| CN106646026A (zh) | 一种非侵入式家电负荷识别方法 | |
| CN104158611A (zh) | 基于频谱分析的无线信号干扰检测系统及方法 | |
| CN105676028B (zh) | 一种基于模板匹配滤波的居民负荷用电识别方法 | |
| CN111242391A (zh) | 用于电力负荷识别的机器学习模型训练方法及系统 | |
| CN108828358A (zh) | 非侵入式电力用户电器能耗分解方法及其系统 | |
| CN105143892A (zh) | 电能测量装置和使用该装置的电能测量信息标记系统 | |
| CN111242276B (zh) | 一种用于负荷电流信号识别的一维卷积神经网络构建方法 | |
| CN106680621A (zh) | 一种基于电流信号分离的居民负荷用电识别方法 | |
| CN110543902B (zh) | 一种家用电器用电状况的整体检测和个体识别装置 | |
| CN115456034A (zh) | 一种电动自行车充电自动识别监测方法及系统 | |
| CN105974220A (zh) | 一种居民小区用电负荷识别系统 | |
| US20140330444A1 (en) | Apparatus Using Time-Based Electrical Characteristics to Identify an Electrical Appliance | |
| CN112198379B (zh) | 一种基于电能计量技术的低压用电设备故障定位系统 | |
| CN111182054A (zh) | 建筑能耗数据监测系统 | |
| CN115758105A (zh) | 基于深度学习的半自适应式非侵入式电负荷监测方法 | |
| CN103287400A (zh) | 车辆数据诊断系统及方法 | |
| Adabi et al. | Seads: A modifiable platform for real time monitoring of residential appliance energy consumption | |
| Jimenez et al. | Steady state signatures in the time domain for nonintrusive appliance identification | |
| CN209690413U (zh) | 一种便携式车辆工况检测设备 | |
| CN212012257U (zh) | 具备电网检测及用电负荷辩识能力的能源网关 |
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 |