電器負載類型智能識別方法與裝置的制造方法
【專利摘要】一種電器負載類型智能識別裝置，包括信息采集模塊、信息處理模塊、通信模塊。所述裝置同時采用電器負載的啟動電流特征、電器負載的基波電壓電流相位差和負載電流頻譜特征作為電器負載的識別特征，特征信息豐富；采用包括支持向量機分類器和貝葉斯分類器的組合分類器進行識別分類，兼顧兩種分類器的特點進行綜合識別，識別準確率高；提供的基波電壓電流相位差、啟動電流特征、負載電流頻譜特征獲取方法簡單、可靠。所述裝置可以用在學生集體宿舍、大型集貿(mào)市場等一些需要進行電器負載管理的集體公共場所，也可以用于需要進行電器負載類型與統(tǒng)計的其他需要進行用電設備管理的場合。
【專利說明】
電器負載類型智能識別方法與裝置
技術領域
[0001] 本發(fā)明涉及一種設備識別及分類裝置，尤其是涉及一種電器負載類型智能識別方 法與裝置。
【背景技術】
[0002] 目前，主流的電器負載性質(zhì)或者電器類型識別方法包括基于負載功率綜合系數(shù)算 法的電器負載識別方法、基于電磁感應的電器負載識別方法、基于神經(jīng)網(wǎng)絡算法的電器負 載識別方法、基于周期性離散變換算法的電器負載識別方法等。各種方法均能夠在一定程 度是實現(xiàn)電器負載性質(zhì)的識別，但由于特征性質(zhì)單一，識別手段單一，普遍存在泛化能力不 夠及不能完全準確識別的問題。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明的目的在于，針對現(xiàn)在已有技術的缺陷，提供一種能夠?qū)崿F(xiàn)高效識別的電 器負載類型智能識別方法與裝置。所述裝置包括信息采集模塊、信息處理模塊、通信模塊。
[0004] 所述信息采集模塊用于采集電器負載的負載電流并轉(zhuǎn)換成電流數(shù)字信號;所述電 流數(shù)字信號被送至信息處理模塊;所述信息處理模塊依據(jù)輸入的電流數(shù)字信號，采用組合 分類器電器負載類型智能識別;所述通信模塊用于發(fā)送信息處理模塊的電器負載類型識別 結果至上位機。
[0005] 所述組合分類器的輸入特征包括電器負載的啟動電流特征、電器負載的負載電流 頻譜特征和電器負載的基波電壓電流相位差;所述組合分類器包括支持向量機分類器和貝 葉斯分類器;所述啟動電流特征包括啟動過程時間、啟動電流最大值、啟動電流最大值時 間。
[0006] 所述信息采集模塊包括電流傳感器、前置放大器、濾波器、A/D轉(zhuǎn)換器;所述信息處 理模塊的核心為DSP，或者為ARM，或者為單片機，或者為FPGA。
[0007] 所述A/D轉(zhuǎn)換器可以采用信息處理模塊的核心中包括的A/D轉(zhuǎn)換器。
[0008] 所述信息采集模塊、信息處理模塊、通信模塊的全部或者部分功能集成在一片SoC 上。
[0009] 所述通信模塊還接收上位機的相關工作指令;所述通信模塊與上位機之間的通信 方式包括無線通信方式與有線通信方式；所述無線通信方式包括ZigBee、藍牙、WiFi、 433MHz數(shù)傳方式;所述有線通信方式包括485總線、CAN總線、互聯(lián)網(wǎng)、電力載波方式。
[0010] 所述負載電流頻譜特征通過以下方法獲得：
[0011]步驟一、獲取電器負載的穩(wěn)態(tài)電流信號，并將其轉(zhuǎn)換為對應的穩(wěn)態(tài)電流數(shù)字信號；
[0012] 步驟二、對穩(wěn)態(tài)電流數(shù)字信號進行傅立葉變換，得到負載電流頻譜特性；
[0013] 步驟三、將負載電流頻譜特性中諧波次數(shù)為n次的奇次諧波信號相對幅值作為負 載電流頻譜特征，n = 1，3，…，M;所述M表示諧波最高次數(shù)且M大于等于3。
[0014]所述組合分類器中，支持向量機分類器為主分類器，貝葉斯分類器為輔助分類器。
[0015]所述組合分類器進行電器負載類型智能識別的方法是：當主分類器成功實現(xiàn)電器 負載類型識別時，主分類器的電器負載類型識別結果為組合分類器的識別結果；當主分類 器未能實現(xiàn)電器負載類型識別，且主分類器的識別結果為2種或者2種以上電器負載類型， 將主分類器輸出的2種或者2種以上電器負載類型識別結果中，輔助分類器輸出中概率最高 的電器負載類型作為組合分類器的電器負載類型識別結果；當主分類器未能實現(xiàn)電器負載 類型識別，且主分類器的識別結果中未能給出識別的電器負載類型時，將輔助分類器輸出 中概率最高的電器負載類型作為組合分類器的電器負載類型識別結果。
[0016]所述啟動電流特征由信息處理模塊通過以下方法獲得：
[0017] 步驟1、電器負載啟動前，開始對電器負載的負載電流連續(xù)采樣并對負載電流大小 進行判斷；當負載電流有效值大于e時，判定電器負載開始啟動并轉(zhuǎn)向步驟2;所述e為大于0 的數(shù)值；
[0018] 步驟2、對電器負載的負載電流進行連續(xù)采樣，以工頻周期為單位計算負載電流有 效值并保存;計算最近N個工頻周期的負載電流有效值的平均值；當最近N個工頻周期之內(nèi) 的每個工頻周期的負載電流有效值與該N個工頻周期的負載電流有效值的平均值相比較， 波動幅度均小于設定的相對誤差范圍E時，判定電器負載進入穩(wěn)定狀態(tài)，轉(zhuǎn)向步驟3;所述N 的取值范圍為50-500;所述E的取值范圍為2%-20% ;
[0019]步驟3、將最近N個工頻周期之內(nèi)的負載電流有效值的平均值作為電器負載穩(wěn)態(tài)電 流有效值;將電器負載開始啟動時刻至最近N個工頻周期起始時刻之間的時間作為啟動過 程時間;將電器負載開始啟動時刻至啟動過程時間之內(nèi)負載電流有效值最大的工頻周期之 間的時間作為啟動電流最大值時間;將啟動電流最大值時間所在工頻周期的負載電流有效 值與電器負載穩(wěn)態(tài)電流有效值之間的比值作為啟動電流最大值。
[0020] 所述組合分類器的輸入特征還包括電器負載穩(wěn)態(tài)電流有效值。
[0021] 所述電器負載的基波電壓電流相位差通過以下方法獲得：
[0022] 步驟①、待電器負載進入穩(wěn)定狀態(tài)后，同步獲取電器負載的穩(wěn)態(tài)電壓信號、穩(wěn)態(tài)電 流信號，并將其轉(zhuǎn)換為相應的穩(wěn)態(tài)電壓數(shù)字信號、穩(wěn)態(tài)電流數(shù)字信號；
[0023] 步驟②、對穩(wěn)態(tài)電壓數(shù)字信號、穩(wěn)態(tài)電流數(shù)字信號分別進行數(shù)字濾波，提取出基波 電壓信號、基波電流信號；
[0024] 步驟③、分析計算基波電壓信號與基波電流信號之間的相位差，將基波電壓信號 與基波電流信號之間的相位差作為電器負載的基波電壓電流相位差。
[0025] 本發(fā)明的有益效果是：同時采用電器負載的啟動電流特征、電器負載的負載電流 頻譜特征以及電器負載的基波電壓電流相位差作為所述電器負載類型智能識別裝置的識 別特征，特征信息豐富；采用包括支持向量機分類器和貝葉斯分類器的組合分類器進行識 別分類，兼顧支持向量機分類器和貝葉斯分類器的特點進行綜合識別，泛化能力與識別準 確率高;提供的包括啟動過程時間、啟動電流最大值、啟動電流最大值時間在內(nèi)的啟動電流 特征獲取方法，以及負載電流頻譜特征獲取方法簡單、可靠。
【附圖說明】
[0026] 圖1為本發(fā)明電器負載識別裝置實施例的結構示意圖；
[0027] 圖2為白熾燈臺燈的啟動過程電流波形；
[0028] 圖3為電阻爐等電阻性負載的啟動過程電流波形；
[0029] 圖4為單相電機類負載的啟動過程電流波形；
[0030] 圖5為計算機及開關電源類負載的啟動過程電流波形；
[0031 ]圖6為電器負載類型智能識別方法流程圖。
【具體實施方式】
[0032] 以下結合附圖對本發(fā)明作進一步說明。
[0033] 圖1為本發(fā)明電器負載識別裝置實施例的結構示意圖，包括信息采集模塊101、信 息處理模塊102、通信模塊103。
[0034] 信息采集模塊102用于采集電器負載的負載電壓、負載電流并將負載電壓、負載電 流轉(zhuǎn)換成電壓數(shù)字信號、電流數(shù)字信號，電壓數(shù)字信號、電流數(shù)字信號被送至信息處理模塊 102。信息采集模塊中包括電壓傳感器、電流傳感器、前置放大器、濾波器、A/D轉(zhuǎn)換器等組成 部分，分別完成負載電壓、負載電流信號的傳感、放大、濾波與模數(shù)轉(zhuǎn)換功能。當負載電流范 圍較大時，可以選擇具有程控功能的前置放大器，或者是在A/D轉(zhuǎn)換器前再增加一個獨立的 程控放大器，對范圍較大的負載電流實行分段控制放大，使輸入至A/D轉(zhuǎn)換器的電壓信號范 圍保持在合理的區(qū)間，保證轉(zhuǎn)換精度。濾波器用于濾除高頻分量，避免頻譜混疊。
[0035]信息處理模塊102依據(jù)輸入的電壓數(shù)字信號、電流數(shù)字信號，采用包括支持向量機 分類器和貝葉斯分類器的組合分類器實現(xiàn)電器負載類型識別。組合分類器的輸入特征包括 電器負載的啟動電流特征、電器負載的負載電流頻譜特征和電器負載的基波電壓電流相位 差。信息處理模塊10 2的核心為DSP、ARM、單片機，或者為FPGA。當信息處理模塊的核心中包 括有A/D轉(zhuǎn)換器且該A/D轉(zhuǎn)換器滿足要求時，信息采集模塊101中的A/D轉(zhuǎn)換器可以采用信息 處理模塊102的核心中包括的A/D轉(zhuǎn)換器。
[0036]通信模塊103用于實現(xiàn)與上位機之間的通信，將識別結果發(fā)送至上位機。通信模塊 102與上位機之間的通信方式包括無線通信方式與有線通信方式，可以采用的無線通信方 式包括ZigBee、藍牙、WiFi、433MHz數(shù)傳等方式，可以采用的有線通信方式包括485總線、CAN 總線、互聯(lián)網(wǎng)、電力載波等方式。通信模塊103還可以接收上位機的相關工作指令，完成指定 的工作任務。上位機可以是管理部門的服務器，也可以是各種工作站，或者是各種移動終 端。
[0037]信息采集模塊101、信息處理模塊102、通信模塊103的全部或者部分功能可以集成 在一片SoC上，減小裝置體積，方便安裝。
[0038] 不同的電器負載設備具有不同的啟動電流特征。如圖2所示為白熾燈臺燈的啟動 過程電流波形。白熾燈是將燈絲通電加熱到白熾狀態(tài)，利用熱輻射發(fā)出可見光的電光源。白 熾燈的燈絲通常用耐高溫的金屬鎢制造，但金屬鎢的電阻隨溫度變化大，以Rt表示鎢絲在t °(：時的電阻，以Ro表示鎢絲在0°C時的電阻，則兩者有下述的關系
[0039] Rt = R〇(l+0.0045t)
[0040] 例如，設白熾燈的燈絲(鎢絲)在正常工作時的溫度為2000°C，一只"220V 100W"的 白熾燈的燈絲在2000 °C正常工作時的電阻為
[0042] 其在不通電時0°C的電阻為
[0044] 其在不通電時20 °C的電阻為
[0045] R2〇 = Ro( 1+0.0045t) =52.8 Q
[0046] 即白熾燈在啟動通電的瞬間電流超過其額定電流的9倍，且最大啟動電流發(fā)生在 啟動時刻。隨著白熾燈鎢絲溫度的升高，白熾燈的負載電流按照指數(shù)規(guī)律減小，然后進入穩(wěn) 定狀態(tài)。
[0047] 設電器負載穩(wěn)態(tài)電流有效值為IW，且定義電器負載電流有效值進入電器負載穩(wěn)態(tài) 電流有效值的一個設定的相對誤差范圍之內(nèi)并穩(wěn)定在這個相對誤差范圍之內(nèi)，則電器負載 進入穩(wěn)定狀態(tài)。相對誤差范圍可以設定為10%，也可以設定為2%、5%、15%、20%等2%-20%之間的值。圖2中，設定的相對誤差范圍為10%，當白熾燈的負載電流按照指數(shù)規(guī)律減 小到其Iw的10 %誤差范圍時，如圖2中的時刻Ts，啟動過程結束。白熾燈的啟動過程時間為 Ts。Iw為有效值。
[0048] 選擇啟動過程時間、啟動電流最大值I*、啟動電流最大值時間作為電器負載的啟 動電流特征；啟動電流最大值為標么值，即啟動電流最大值I*為啟動電流的最大有效值Im 與電器負載穩(wěn)態(tài)電流有效值Iw的比值。
[0049] 圖2中，白熾燈的啟動過程時間為Ts;啟動電流最大值I*為Im/Iw，其值約在9-10之 間；啟動電流最大值時間為Tm，Tm=0。
[0050] 如圖3所示為電阻爐等電阻性負載的啟動過程電流波形。電阻爐等電阻性負載通 常采用鎳鉻、鐵鉻鋁等電熱合金絲，其共同特點是電阻溫度修正系數(shù)小，電阻值穩(wěn)定。以牌 號為Cr20Ni80的鎳鉻電熱絲為例，其在1000°C時的電阻修正系數(shù)為1.014，即1000°(：時相對 于20 °C時，牌號為Cr20Ni80的鎳鉻電熱絲電阻只增加1.4 %。因此，電阻爐等電阻性負載在 通電啟動時即進入穩(wěn)定狀態(tài)，電阻爐等電阻性負載的啟動過程時間Ts = 0;啟動電流最大值 I* = 1;啟動電流最大值時間Tm=0。
[0051] 如圖4所示為單相電機類負載的啟動過程電流波形。單相電機類負載既具有電感 性負載特性，又具有反電動勢負載特性。啟動時刻，由于電感的作用，啟動時刻的啟動電流 為〇;隨后電流迅速上升，在電機反電動勢未建立之前，達到電流峰值Im;此后，電機轉(zhuǎn)速增 加，電機負載電流逐步減小，直到進入穩(wěn)定狀態(tài)。圖4中，單相電機類負載的啟動過程時間為 Ts;啟動電流最大值I*為Im/Iw;啟動電流最大值時間為Tm。
[0052] 如圖5所示為計算機及開關電源類負載的啟動過程電流波形。計算機及開關電源 類負載因為對電容充電的影響，在啟動瞬間會產(chǎn)生一個很大的浪涌電流，其峰值可達到穩(wěn) 態(tài)電流有效值Iw的幾倍至十幾倍，時間為1至2個工頻周期。圖5中，計算機及開關電源類負 載的啟動過程時間為Ts，約1至2個工頻周期；啟動電流最大值I*為Im/Iw;啟動電流最大值時 間為Tm=0。
[0053]獲取電器負載的啟動電流特征的方法是：
[0054]電器負載啟動前，負載電流值為0(未開機)或者很小(處于待機狀態(tài))時，信息處理 模塊102即開始對負載電流進行連續(xù)采樣；當采樣得到的負載電流值有效值開始大于0或者 是開始大于電器負載的待機電流時，即判斷出電器負載已經(jīng)啟動，記錄該時刻為To。用一個 較小的非負閾值e來區(qū)分電器負載啟動前后的負載電流值，當e取值特別小時，例如，e取值 1mA時，所述識別裝置不考慮待機情況，即認為待機也是電器負載的啟動狀態(tài)；當￡取值較小 但大于電器負載的待機電流時，例如，e取值20mA時，所述識別裝置會將電器負載的待機狀 態(tài)認為是未啟動狀態(tài)，但同時也會的部分功率特別小的電器負載造成漏識別。
[0055] 信息處理模塊102對負載電流進行連續(xù)采樣，且以工頻周期為單位計算負載電流 有效值并保存；當電器負載已經(jīng)啟動，且連續(xù)采樣達到N個工頻周期后，采樣的同時連續(xù)計 算最近N個工頻周期的負載電流有效值的平均值Iv;信息處理模塊102對最近N個工頻周期 之內(nèi)每個工頻周期的負載電流有效值與該N個工頻周期的負載電流有效值的平均值進行比 較，誤差(或波動)幅度均小于設定的相對誤差范圍E時，判定電器負載進入穩(wěn)定狀態(tài)，該最 近N個工頻周期的起始時刻為啟動過程的結束時刻，記錄該時刻為h。
[0056] 將最近N個工頻周期之內(nèi)的負載電流有效值的平均值作為電器負載穩(wěn)態(tài)電流有效 值If;將電器負載開始啟動時刻To至最近N個工頻周期起始時刻h之間的時間作為啟動過程 時間Ts;將~至!^之內(nèi)負載電流有效值最大的工頻周期所在時刻記錄為T 2,將^至!^之間的 時間作為啟動電流最大值時間Tm ;將1~2所在工頻周期的負載電流有效值與電器負載穩(wěn)態(tài)電 流有效值之間的比值作為啟動電流最大值I*。
[0057]由于預先不知道電器負載穩(wěn)態(tài)電流有效值Iw，因此，將N個工頻周期，即一段持續(xù) 時間TP之內(nèi)波動范圍小于設定的相對誤差范圍E時的負載電流有效值的平均值作為電器負 載穩(wěn)態(tài)電流有效值Iw。由于普通電器負載的啟動過程較快，所以，T P的取值范圍為1 -10s，典 型取值是2s，相應的工頻周期數(shù)量N的取值范圍為50-500，N的典型取值是100。所述相對誤 差范圍E的取值范圍為2%-20%，E的典型取值是10%。
[0058] 組合分類器的輸入特征還包括電器負載的負載電流頻譜特征。電器負載的負載電 流頻譜特征由信息處理模塊102控制信息采集模塊101，通過以下步驟獲得：
[0059] 步驟一、待電器負載進入穩(wěn)定狀態(tài)后，獲取電器負載的穩(wěn)態(tài)電流信號，并將其轉(zhuǎn)換 為對應的穩(wěn)態(tài)電流數(shù)字信號。
[0060] 步驟二、對穩(wěn)態(tài)電流數(shù)字信號進行傅立葉變換，得到負載電流頻譜特性。為保證傅 立葉變換的順利進行，在前述獲取電器負載的穩(wěn)態(tài)電流信號，并將其轉(zhuǎn)換為對應的穩(wěn)態(tài)電 流數(shù)字信號的過程中，A/D轉(zhuǎn)換器的精度和速度需要滿足傅立葉變換的要求，采樣頻率可以 設定為10kHz，或者是其他數(shù)值;信息處理模塊102對采集到的穩(wěn)態(tài)電流數(shù)字信號進行FFT運 算，計算其頻譜。
[0061 ]步驟三、將負載電流頻譜特性中的n次諧波信號相對幅值作為負載電流頻譜特征， 其中，n= 1，2，…，M;在組成組合分類器的輸入特征向量時，n次諧波信號相對幅值在輸入特 征向量中按照1，2,…，M的順序依次排列。由于負載電流頻譜特性主要由奇次諧波組成，除 少數(shù)電器負載設備外，偶次諧波分量幾乎為0,因此，也可以將負載電流頻譜特性中諧波次 數(shù)為n次的奇次諧波信號相對幅值依序作為負載電流頻譜特征，其中，n=l，3,…，時 的1次諧波為工頻基波。所述諧波信號相對幅值為諧波信號幅值與電器負載穩(wěn)態(tài)電流有效 值Iw的比值。所述M表示諧波最高次數(shù)，一般情況下，M大于等于3。
[0062]組合分類器的輸入特征還包括電器負載的基波電壓電流相位差。基波電壓電流相 位差可以對電阻性、電容性、電感性負載進行區(qū)分，還可以對一般的電感性負載和大電感性 負載進行區(qū)分。電器負載的基波電壓電流相位差由信息處理模塊102控制信息采集模塊 101，通過以下步驟獲得：
[0063] 步驟①、待電器負載進入穩(wěn)定狀態(tài)后，同步獲取電器負載的穩(wěn)態(tài)電壓信號、穩(wěn)態(tài)電 流信號，并將其轉(zhuǎn)換為對應的穩(wěn)態(tài)電壓數(shù)字信號、穩(wěn)態(tài)電流數(shù)字信號。
[0064] 步驟②、對穩(wěn)態(tài)電壓數(shù)字信號、穩(wěn)態(tài)電流數(shù)字信號分別進行數(shù)字濾波，提取出基波 電壓信號、基波電流信號。
[0065] 步驟③、分析計算基波電壓信號與基波電流信號之間的相位差，將基波電壓信號 與基波電流信號之間的相位差作為電器負載的基波電壓電流相位差。
[0066] 步驟②中對穩(wěn)態(tài)電壓數(shù)字信號、穩(wěn)態(tài)電流數(shù)字信號分別進行數(shù)字濾波，其數(shù)字濾 波算法可以選擇卡爾曼濾波法、小波變換法、維納濾波法、自適應濾波等數(shù)字濾波器算法。
[0067] 組合分類器中，支持向量機分類器為主分類器，貝葉斯分類器為輔助分類器。組合 分類器的輸入特征包括前述的啟動電流特征和負載電流頻譜特征，組合分類器的輸入特征 同時作為支持向量機分類器的輸入特征和貝葉斯分類器的輸入特征。
[0068] 如圖6所示為電器負載類型智能識別方法流程圖，具體步驟包括：
[0069]步驟A、等待電器負載啟動；
[0070] 步驟B、采集電器負載啟動電流數(shù)據(jù)并保存，直至電器負載啟動過程結束；
[0071] 步驟C、分析采集的電器負載啟動電流數(shù)據(jù)，獲取電器負載的啟動電流特征；
[0072] 步驟D、采集電器負載穩(wěn)態(tài)工作時的電壓、電流數(shù)據(jù)并保存；
[0073] 步驟E、分析采集的電器負載穩(wěn)態(tài)工作時的電壓、電流數(shù)據(jù)，獲取電器負載的負載 電流頻譜特征、基波電壓電流相位差；
[0074] 步驟F、將啟動電流特征、負載電流頻譜特征、基波電壓電流相位差作為組合分類 器的輸入特征;組合分類器進行電器負載類型識別；
[0075]步驟G、輸出電器負載類型識別結果。
[0076] 所述組合分類器進行電器負載類型識別的方法是：當主分類器成功實現(xiàn)電器負載 類型識別，即主分類器輸出的識別結果為唯一的電器負載類型，即識別結果中唯一的電器 負載類型為是時，將主分類器識別的電器負載類型作為組合分類器的電器負載類型識別結 果；當主分類器未能實現(xiàn)電器負載類型識別，且主分類器的識別結果為2種或者2種以上電 器負載類型，即識別結果中有2種或者2種以上電器負載類型為是時，將主分類器輸出的2種 或者2種以上電器負載類型識別結果中，輔助分類器輸出中概率最高的電器負載類型作為 組合分類器的電器負載類型識別結果；當主分類器未能實現(xiàn)電器負載類型識別，且主分類 器的識別結果中未能給出識別的電器負載類型，即識別結果中沒有電器負載類型為是時， 將輔助分類器輸出中概率最高的電器負載類型作為組合分類器的電器負載類型識別結果。
[0077] 以一個簡單的實施例1為例，來說明組合分類器進行電器負載類型識別的方法。設 有一個組合分類器，其輸入特征為％ = {2V .1*，7^:，南，爲> 南，▲；，為.，_於}，其中，Ts 是啟動過程時間，單位是ms; I*是啟動電流最大值;Tm是啟動電流最大值時間，單位是ms ;Ai、 知、知^4、心為負載電流頻譜特性中的1-5次諧波信號相對幅值，@為電器負載的基波電壓電 流相位差。組合分類器的輸出是{Bl，B2，B3，B4}，Bl、B2、B3、B4分別代表組合分類器對白熾燈、 電阻爐、吹風機、計算機的識別結果輸出，識別結果8 1、82、8334的取值均為二值分類標記。 主分類器的輸入特征也是x = U's，P，7\卜也，七，木，南，J5>，，其輸出是{FhFs， 分別代表主分類器對白熾燈、電阻爐、吹風機、計算機的識別結果輸出， 識別結果、F4的取值也均為二值分類標記。輔助分類器的輸入特征同樣為 x = {rs, /*, Ik,為，士，為，j4,為，免}，其輸出是{P(yi|x)，P(y2|x)，P(y 3|x)，P(y4 x)}，P(yi | x)、P(y21 x)、P(y31 x)、P(y41 x)為輔助分類器輸出的后驗概率，P(yi | x)、P(y21 x)、P (y31 x)、P(y41 x)之間的相互大小表明輔助分類器的當前輸入特征表示所識別的電器負載屬 于白熾燈、電阻爐、吹風機、計算機的可能性大小。
[0078] 在實施例1中，Bl、B2、B3、B4的分類標記和Fl、F2、F3、F4的分類標記均取1、0。分類標記 為1時，相應的電器負載類型與當前輸入特征匹配，為確認的識別結果，或者說相應的電器 負載類型識別結果為是;分類標記為0時，相應的電器負載類型與輸入特征不匹配，未能成 為確認的識別結果，或者說相應的電器負載類型識別結果為否。
[0079] 在實施例1中，設某次的主分類器的識別分類標記為FJ2F3F4 = 0100，則認為主分 類器成功實現(xiàn)電器負載類型識別，因此，不考慮輔助分類器的識別結果，直接令 0100,即組合分類器的識別結果是:被識別的電器負載為電阻爐。
[0080] 在實施例1中，設某次的主分類器的識別分類標記為FW2F3F4 = 1010，則認為主分 類器未能實現(xiàn)電器負載類型識別，且主分類器的識別結果為2種或者2種以上電器負載類 型;再設此時輔助分類器的識別結果滿足P( yi I x)〈P(y31 x)，則令BiB.BFOOlO，即組合分 類器的識別結果是:被識別的電器負載為吹風機。
[0081] 在實施例1中，設某次的主分類器的識別分類標記為?正疋#4 = 0000,則認為主分 類器未能實現(xiàn)電器負載類型識別，且主分類器的識別結果中未能給出識別的電器負載類 型;再設此時輔助分類器的識別結果滿足P( yi I x)>P(y21 x)且P(yi I x)>P(y31 x)且P(yi I x)>P (y4|x)，則令關出出4=1000,即組合分類器的識別結果是:被識別的電器負載為白熾燈。
[0082] 組合分類器、主分類器的識別結果分類標記也可以采用其他的方案，例如，分別用 分類標記1、_1，或者是〇、1，或者是_1、1，以及其他方案來表示相應電器負載識別結果為是、 否。組合分類器與主分類器的分類標記方案可以相同，也可以不相同。
[0083] 所述組合分類器的輸入特征中，還可以包括電器負載穩(wěn)態(tài)電流有效值Iw。例如，有 2種不同的電器負載，電烙鐵和電阻爐需要識別，電烙鐵、電阻爐都是純電阻負載，且都具有 電阻溫度修正系數(shù)小，電阻值穩(wěn)定的共同特點。因此，單純依靠前述的啟動電流特征和負載 電流頻譜特征、電器負載的基波電壓電流相位差特征無法將他們進行區(qū)分。輸入特征中增 加電器負載穩(wěn)態(tài)電流有效值Iw后，電烙鐵功率小，電器負載穩(wěn)態(tài)電流有效值Iw?。浑娮锠t功 率大，電器負載穩(wěn)態(tài)電流有效值Iw大，特征不同，組合分類器可以進行并完成識別。
[0084]輔助分類器為貝葉斯分類器。可以選擇NBC分類器(樸素貝葉斯分類器）、TAN分類 器(樹擴展樸素貝葉斯分類器）、BAN分類器(增強的貝葉斯分類器)等三種貝葉斯分類器之 中的一種作為輔助分類器。
[0085]實施例2選擇NBC分類器作為輔助分類器。樸素貝葉斯分類的定義如下：
[0086] ⑴設x = {ai，a2，…，am}為一個待分類項，而每個a為x的一個特征屬性；
[0087] (2)有類別集合〇={71，72，."，711};
[0088] (3)計算P(yi | x)，P(y21 x)，…，P(yn | x);
[0089] (4)如果P(yk | x) =max{P(yi | x)，P(y21 x)，…，P(yn | x)}，貝iJxG yko
[0090] 計算第⑶步中的各個條件概率的具體方法是：
[0091 ]①找到一個已知分類的待分類項集合作為訓練樣本集；
[0092] ②統(tǒng)計得到各類別下各個特征屬性的條件概率估計；
[0093] P(ai |yi) ,P(a2 |yi) ,??? ,P(am|yi)；
[0094] P(ai | y2)，P(a21 y2)，…，P(am| y2);
[0095] ???；
[0096] P(ai | yn)，P(a21 yn)，…，P(am | yn) 〇 [0097]③根據(jù)貝葉斯定理，有：
(1)
[0099]因為分母對于所有類別為常數(shù)，因此我們只要將分子最大化即可；又因為在樸素 貝葉斯中各特征屬性是條件獨立的，所以有：
[0101] 實施例2中，組合分類器的輸入特征是{ Fs.，尸7 rM，為.，為，W ,其中，Ts是啟 動過程時間，單位是ms; I*是啟動電流最大值;Tm是啟動電流最大值時間，單位是ms ;Ai、A3為 負載電流頻譜特性中的1、3次奇次諧波信號相對幅值#為電器負載的基波電壓電流相位 差，單位為度，且基波電壓超前于基波電流時#> 〇 <?要求識別的電器負載類別是白熾燈、電 阻爐、電風扇、計算機、吹風機。令樸素貝葉斯分類器的特征屬性組合x= {ai，a2，a3，a4，as， a6}中的元素與組合分類器的輸入特征集合中的元素按序{ rs, /、rY1，義，木，p }-一 對應;樸素貝葉斯分類器的輸出類別集合0={71，72,73, 74,75}則分別與電器負載類別白熾 燈、電阻爐、電風扇、計算機、吹風機一一對應。
[0102] 訓練NBC分類器的過程包括：
[0103] 1、對特征屬性進行分段劃分，進行離散化處理。實施例2中，采取的特征屬性離散 化方法是：
[0104] ai： {ai<50,50^ai^100 0,ai>1000}；
[0105] a2：{a2<7,7^a2^11,a2>ll}；
[0106] a3: {a3〈20,20彡a3彡300，a3>300};
[0107] a4： {a4<0.7,0.7^a4^0.9 ,a4>0.9}；
[0108] a5: {a5〈0 ? 02，0 ? 02彡a5彡0 ? 05，a5>0 ? 05};
[0109] as： {ae<-5, -5^as^ 12,ae> 12} 〇
[0110] 2、對每類電器負載類型均采集多組樣本作為訓練樣本，同時計算每類電器負載類 型樣本在所有電器負載類型樣本中所占有的比例，即分別計算P( yi)、P(y2)、P(y3)、P(y4)、P (y5)。當每類電器負載均采集相同的樣本數(shù)量時，例如，每類電器負載均采集超過100組的 樣本，其中每類電器負載隨機選擇100組樣本作為訓練樣本，其他則作為測試樣本，總的訓 練樣本為500組，且有
[0111] p(yi)=p(y2)=p(y3)=p( y4)=p(y5)=0.2〇
[0112] 3、計算訓練樣本每個類別條件下各個特征屬性分段的頻率(比例），統(tǒng)計得到各類 別下各個特征屬性的條件概率估計，即分別統(tǒng)計計算
[0113] P(ai〈50|yi)、P(50彡ai彡1000|yi)、P(ai>1000|yi);
[0114] P(ai〈50|y2)、P(50彡ai彡1000|y2)、P(ai>1000|y 2);
[0115] ???；
[0116] P(ai〈50|y5)、P(50彡ai彡1000|y5)、P(ai>1000|y 5);
[0117] P(a2〈7|yi)、P(7彡 a2彡11 lyO'PUAlllyO;
[0118] P(a2〈7|y2)、P(7彡a2彡11|y 2)、P(a2>ll|y2);
[0119] ???；
[0120] P(a2〈7|y5)、P(7彡a2彡11|y 5)、P(a2>ll|y5);
[0121] P(a3〈20 | yi)、P(20彡a3<300 | yi)、P(a3>300 | yi);
[0122] P(a3〈20 | y2)、P(20彡a3<300 | y2)、P(a3>300 | y2);
[0123] ???；
[0124] P(a3〈20 | y5)、P(20彡a3<300 | y5)、P(a3>300 | y5);
[0125] P(a4〈0.7|yi)、P(0.7<a4<0.9|yi)、P(a4>0.9|yi);
[0126] P(a4〈0.7|y2)、P(0.7<a4<0.9|y2)、P(a4>0.9|y 2);
[0127] ???；
[0128] P(a4〈0.7|y5)、P(0.7<a4<0.9|y5)、P(a4>0.9|y5);
[0129] P(a5〈0.02|yi)、P(0.02<a5<0.05|yi)、P(a5>0.05|yi);
[0130] P(a5〈0.02|y2)、P(0.02<a5<0.05|y2)、P(a5>0.05|y 2);
[0131] P(a5〈0.02|y5)、P(0.02<a5<0.05|y5)、P(a5>0.05|y5);
[0132] P(a6〈_5 | y〇、P(_5彡a6彡 12 | y〇、P(a6彡 12 | ;
[0133] P(a6〈-5|y2)、P(_5彡a6彡12|y 2)、P(a6彡12|y2);
[0134] ???；
[0135] P(a6〈_5|y5)、P(_5彡a6彡12|y 5)、P(a6彡12|y5) 〇
[0136] 經(jīng)過上述的步驟1、步驟2、步驟3，NBC分類器訓練完成。其中，步驟1對特征屬性進 行分段劃分由人工確定，對每一個輸入特征進行分段離散化時，分段的數(shù)量為2段或者2段 以上，例如，實施例2中，特征ai_a6都分為3段。每一個特征具體分為多少段，分段閾值的選擇 可以根據(jù)訓練后的貝葉斯分類器對測試樣本測試后的結果進行調(diào)整。步驟2、步驟3由信息 處理模塊102或者是計算機計算完成。
[0137] 本發(fā)明中采用貝葉斯分類器進行分類的方法是：
[0138] 1、將組合分類器的輸入特征作為貝葉斯分類器的輸入特征。在實施例2中，將組合 分類器的輸入特征集合{r s，尸，F(xiàn)m，為，南，_}作為貝葉斯分類器的輸入特征X，且有x --(ell ,￡L2 , &3 , &4 , cL5 , cL6 } 〇
[0139] 2、根據(jù)訓練得到的各類別下各個特征屬性的條件概率估計，分別確定各輸入特征 屬性的分段所在并確定其對每類電器負載類別的概率P( ai|yi)~P(am|yn)，其中，電器負載 類別集合為C= {yi，y2，"_，yn}。實施例2中，電器負載類別集合C= {71，72,73,74,75}對應代表 的電器負載類別是白熾燈、電阻爐、電風扇、計算機、吹風機，確定P(ai | yi)~P(a61 ys)的方 法是采用訓練NBC分類器過程中得到的各個特征屬性的條件概率估計。
[0140] 3、按照式
[0142]計算每種電器負載類別的后驗概率。因為分母P(x)對于所有電器負載類別為常 數(shù)，令P(x) = l替代實際的P(x)值，不影響每種電器負載類別后驗概率之間的相互大小比 較，此時有
[0150] 采用測試樣本對訓練好的貝葉斯分類器進行測試，根據(jù)測試結果決定是否調(diào)整對 輸入特征的離散化方法(即調(diào)整分段數(shù)量與閾值），重新訓練貝葉斯分類器。
[0151] 主分類器為支持向量機分類器，或稱為SVM分類器。SVM分類器特別適合解決二值 分類情況，因此，主分類器采用多個二類輸出SVM分類器組成，每個二類輸出SVM分類器對應 識別一種電器負載類型，例如，實施例1中可以采用4個二類輸出SVM分類器分別識別白熾 燈、電阻爐、吹風機、計算機，實施例2中可以采用5個二類輸出SVM分類器分別識別白熾燈、 電阻爐、電風扇、計算機、吹風機。主分類器選擇多個二類輸出SVM分類器共同組成時，所有 二類輸出SVM分類器的輸入特征均為主分類器的輸入特征。
[0152] 訓練各二類輸出SVM分類器時，對每類電器負載類型均采集多組樣本，隨機抽取部 分作為訓練樣本，其余的作為測試樣本。樣本采集采用前述的獲取電器負載的啟動電流特 征的方法和獲取電器負載的負載電流頻譜特征以及獲取電器負載的基波電壓電流相位差 特征的方法。所有的訓練樣本均作為每個二類輸出SVM分類器的訓練樣本。例如，在實施例2 中，可以分別對白熾燈、電阻爐、電風扇、計算機、吹風機等負載均采集超過100組樣本，隨機 抽取其中每種100組、共500組樣本組成訓練樣本，剩余的樣本組成測試樣本；當然，某種負 載或者所有負載采集的樣本數(shù)量達不到100組樣本，SVM分類器也能夠取得較好的分類效 果。
[0153]主分類器所選用的二類輸出SVM分類器選擇徑向基RBF核函數(shù)，并采用粒子群算法 (PS0)對各二類輸出SVM分類器的懲罰參數(shù)C和核參數(shù)Y進行優(yōu)化選擇。
[0154]每個二類輸出SVM分類器只需要完成一種電器負載類型的識別，SVM分類器的訓練 相對簡單。主分類器由多個二類輸出SVM分類器組成，各二類輸出SVM分類器之間相互獨立， 因此，對某一特征屬性進行識別時，主分類器有可能輸出的識別結果為唯一的電器負載類 型，或者識別結果為2種或者2種以上電器負載類型，或者未能給出識別的電器負載類型。
【主權項】
1. 一種電器負載類型智能識別裝置，其特征在于，包括信息采集模塊、信息處理模塊、 通信模塊； 所述信息采集模塊用于采集電器負載的負載電流并轉(zhuǎn)換成電流數(shù)字信號;所述電流數(shù) 字信號被送至信息處理模塊； 所述信息處理模塊依據(jù)輸入的電流數(shù)字信號，采用組合分類器進行電器負載類型智能 識別;所述通信模塊用于發(fā)送信息處理模塊的電器負載類型識別結果至上位機； 所述組合分類器的輸入特征包括電器負載的啟動電流特征、電器負載的負載電流頻譜 特征和電器負載的基波電壓電流相位差； 所述組合分類器包括支持向量機分類器和貝葉斯分類器； 所述啟動電流特征包括啟動過程時間、啟動電流最大值、啟動電流最大值時間。2. 如權利要求1所述的電器負載類型智能識別裝置，其特征在于，所述信息采集模塊包 括電流傳感器、前置放大器、濾波器、A/D轉(zhuǎn)換器;所述信息處理模塊的核心為DSP，或者為 ARM，或者為單片機，或者為FPGA。3. 如權利要求2所述的電器負載類型智能識別裝置，其特征在于，所述A/D轉(zhuǎn)換器采用 信息處理模塊的核心中包括的A/D轉(zhuǎn)換器。4. 如權利要求1所述的電器負載類型智能識別裝置，其特征在于，所述通信模塊還接收 上位機的相關工作指令;所述通信模塊與上位機之間的通信方式包括無線通信方式與有線 通信方式;所述無線通信方式包括ZigBee、藍牙、WiFi、433MHz數(shù)傳方式;所述有線通信方式 包括485總線、CAN總線、互聯(lián)網(wǎng)、電力載波方式。5. 如權利要求1-4中任一項所述的電器負載類型智能識別裝置，其特征在于，所述組合 分類器中，支持向量機分類器為主分類器，貝葉斯分類器為輔助分類器。6. 如權利要求5所述的電器負載類型智能識別裝置，其特征在于，所述組合分類器進行 電器負載類型智能識別的方法是：當主分類器成功實現(xiàn)電器負載類型識別時，主分類器的 電器負載類型識別結果為組合分類器的識別結果；當主分類器未能實現(xiàn)電器負載類型識 另Ij，且主分類器的識別結果為2種或者2種以上電器負載類型，將主分類器輸出的2種或者2 種以上電器負載類型識別結果中，輔助分類器輸出中概率最高的電器負載類型作為組合分 類器的電器負載類型識別結果；當主分類器未能實現(xiàn)電器負載類型識別，且主分類器的識 別結果中未能給出識別的電器負載類型時，將輔助分類器輸出中概率最高的電器負載類型 作為組合分類器的電器負載類型識別結果。7. 如權利要求5所述的電器負載類型智能識別裝置，其特征在于，所述負載電流頻譜特 征通過以下方法獲得： 步驟一、獲取電器負載的穩(wěn)態(tài)電流信號，并將其轉(zhuǎn)換為對應的穩(wěn)態(tài)電流數(shù)字信號； 步驟二、對穩(wěn)態(tài)電流數(shù)字信號進行傅立葉變換，得到負載電流頻譜特性； 步驟三、將負載電流頻譜特性中諧波次數(shù)為η次的奇次諧波信號相對幅值作為負載電 流頻譜特征，其中，η = 1，3，···，Μ;所述M表示諧波最高次數(shù)且M大于等于3。8. 如權利要求5所述的電器負載類型智能識別裝置，其特征在于，所述啟動電流特征由 信息處理模塊通過以下方法獲得： 步驟1、電器負載啟動前，開始對電器負載的負載電流連續(xù)采樣并對負載電流大小進行 判斷；當負載電流有效值大于ε時，判定電器負載開始啟動并轉(zhuǎn)向步驟2;所述ε為大于〇的數(shù) 值； 步驟2、對電器負載的負載電流進行連續(xù)采樣，以工頻周期為單位計算負載電流有效值 并保存;計算最近N個工頻周期的負載電流有效值的平均值；當最近N個工頻周期之內(nèi)的每 個工頻周期的負載電流有效值與該N個工頻周期的負載電流有效值的平均值相比較，波動 幅度均小于設定的相對誤差范圍E時，判定電器負載進入穩(wěn)定狀態(tài)，轉(zhuǎn)向步驟3;所述N的取 值范圍為50-500;所述E的取值范圍為2%-20% ; 步驟3、將最近N個工頻周期之內(nèi)的負載電流有效值的平均值作為電器負載穩(wěn)態(tài)電流有 效值;將電器負載開始啟動時刻至最近N個工頻周期起始時刻之間的時間作為啟動過程時 間；將電器負載開始啟動時刻至啟動過程時間之內(nèi)負載電流有效值最大的工頻周期之間的 時間作為啟動電流最大值時間;將啟動電流最大值時間所在工頻周期的負載電流有效值與 電器負載穩(wěn)態(tài)電流有效值之間的比值作為啟動電流最大值。9. 如權利要求8所述的電器負載類型智能識別裝置，其特征在于，所述組合分類器的輸 入特征還包括電器負載穩(wěn)態(tài)電流有效值。10. 如權利要求5所述的電器負載類型智能識別裝置，其特征在于，所述電器負載的基 波電壓電流相位差通過以下方法獲得： 步驟①、待電器負載進入穩(wěn)定狀態(tài)后，同步獲取電器負載的穩(wěn)態(tài)電壓信號、穩(wěn)態(tài)電流信 號，并將其轉(zhuǎn)換為相應的穩(wěn)態(tài)電壓數(shù)字信號、穩(wěn)態(tài)電流數(shù)字信號； 步驟②、對穩(wěn)態(tài)電壓數(shù)字信號、穩(wěn)態(tài)電流數(shù)字信號分別進行數(shù)字濾波，提取出基波電壓 信號、基波電流信號； 步驟③、分析計算基波電壓信號與基波電流信號之間的相位差，將基波電壓信號與基 波電流信號之間的相位差作為電器負載的基波電壓電流相位差。
【文檔編號】G06K9/00GK105913005SQ201610213352
【公開日】2016年8月31日
【申請日】2016年4月8日
【發(fā)明人】肖伸平, 練紅海, 凌云, 陳剛
【申請人】湖南工業(yè)大學