基于智能電表的違規電器識別方法及系統技術方案

本發明專利技術提供的基于智能電表的違規電器識別，包括獲取違規電器識別要求信息；智能電表檢測到用電總功率的功率增量大于預設功率閾值時，智能電表提取采集到的違規電器的暫態特征數據和穩態特征數據；判斷暫態特征數據中是否存在沖擊電流，若是，則根據穩態特征數據判斷違規電器類別，得到違規電器類別；當違規電器識別要求信息為識別違規電器種類時，則將違規電器類別輸出。本發明專利技術提供的基于智能電表的違規電器識別，通過基于智能電表采集的暫態特征數據和穩態特征數據，可以精準的識別違規電器，具有普遍適用性。

Identification Method and System of Illegal Electrical Appliances Based on Intelligent Meter

【技術實現步驟摘要】
基于智能電表的違規電器識別方法及系統
本專利技術涉及違規電器識別領域，尤其涉及基于智能電表的違規電器識別方法及系統。
技術介紹
“違規電器”通常為所謂的惡性負載，即純阻性負載，以惡性負載檢測為例，流行的惡性負載檢測方法有功率因數法、波形比較法、順時功率增加法，這些方法簡單、易于操作，軟硬件容易實現，然而存在誤識別率低的弊端，這對于某些應用場合幾乎是難以忍受的。因此，有人使用機器學習方法來檢測惡性負載，精確度得到了很大的提升，然而，不同場景對違規電器的定義也有所不同。例如，出租屋可能不允許電車充電或存在安全隱患的電器，而學校則杜絕使用任何惡性負載以及大部分的大功率電器(某些可能不是嚴格意義的惡性負載，如電磁爐，電冰箱等)，因此，采用傳統的方法來實現識別違規電器，難度很大，并不具有普遍適用性。
技術實現思路
為了克服現有技術的不足，本專利技術的目的之一在于提供基于智能電表的違規電器識別方法，其能解決采用傳統的方法來實現識別違規電器，難度很大，并不具有普遍適用性的問題。本專利技術的目的之二在于提供基于智能電表的違規電器識別方法，其能解決采用傳統的方法來實現識別違規電器，難度很大，并不具有普遍適用性的問題。本專利技術提供目的之一采用以下技術方案實現：基于智能電表的違規電器識別方法，其特征在于，包括以下步驟：信息獲取，獲取違規電器識別要求信息；特征數據提取，智能電表檢測到用電總功率的功率增量大于預設功率閾值時，智能電表提取采集到的違規電器的暫態特征數據和穩態特征數據；違規電器判斷，根據所述暫態特征數據以及所述穩態特征數據判斷違規電器類別，得到違規電器類別；違規電器類別輸出，當所述違規電器識別要求信息為識別違規電器種類時，則將所述違規電器類別輸出。進一步地，還包括：當所述違規電器識別要求信息為識別違規電器名稱時，將所述暫態特征數據和所述穩態特征數據上傳至云端，云端將所述暫態特征數據和所述穩態特征數據輸入至預設違規電器識別模型，所述預設違規電器識別模型輸出違規電器名稱。進一步地，在所述云端將所述暫態特征數據和所述穩態特征數據輸入至預設違規電器識別模型之前還包括：對所述暫態特征數據和所述穩態特征數據進行數據歸一化處理、降維處理。進一步地，所述降維處理為主成成分分析法或線性判別分析法。進一步地，在所述S5之前還包括：收集不同用電器對應的違規原始暫態特征數據和違規原始穩態特征數據，將違規所述原始暫態特征數據和所述違規原始穩態特征數據作為訓練數據，并將所述訓練數據輸入至預設訓練模型中進行訓練，得到預設違規電器識別模型。進一步地，所述穩態特征數據包括總諧波失真、功率因數，所述穩態特征數據包括總諧波失真、功率因數，所述違規電器判斷包括以下步驟：沖擊電流判斷，判斷所述暫態特征數據中是否存在沖擊電流，若是，執行第一判斷，若否，則執行第二判斷；第一判斷，判斷所述穩態特征數據中的總諧波失真是否小于預設諧波閾值，若否，則違規電器類別為第三類別設備，其中，所述第三類別設備為含有電機和變頻器的設備，若是，當所述穩態特征數據中的功率因素大于預設功率閾值時，所述違規電器類別為第二類別設備，其中，所述第二類別設備為含有電機和阻性負載的設備，當所述穩態特征數據中的功率因素不大于預設功率閾值時，所述違規電器類別為第一類別設備，其中，所述第一類別設備為純電機設備；第二判斷，判斷所述穩態特征數據中的總諧波失真是否小于預設諧波閾值，若否，則無違規電器；若是，當所述穩態特征數據中的功率因素大于預設功率閾值時，所述違規電器類別為第四類別設備，其中，所述第四類別設備為純阻性負載設備。本專利技術提供目的之二采用以下技術方案實現：基于智能電表的違規電器識別系統，其特征在于，包括：獲取模塊，所述獲取模塊獲取違規電器識別要求信息；智能電表，所述智能電表用于提取采集到的違規電器的暫態特征數據和穩態特征數據；判斷模塊，所述判斷模塊用于判斷所述暫態特征數據中是否存在沖擊電流，若是，則根據所述穩態特征數據判斷違規電器類別，得到違規電器類別；輸出模塊，所述輸出模塊用于將所述違規電器類別輸出。進一步地，還包括數據上傳模塊和云端，所述數據上傳模塊用于將所述暫態特征數據和所述穩態特征數據上傳至云端，云端將所述暫態特征數據和所述穩態特征數據輸入至預設違規電器識別模型，所述預設違規電器識別模型輸出違規電器名稱，所述云端還用于收集不同用電器對應的違規原始暫態特征數據和違規原始穩態特征數據，將違規所述原始暫態特征數據和所述違規原始穩態特征數據作為訓練數據，并將所述訓練數據輸入至預設訓練模型中進行訓練，得到預設違規電器識別模型。進一步地，所述云端包括數據輸入模塊識別模塊，所述識別模塊含有所述預設違規電器識別模型，所述數據輸入模塊用于將所述暫態特征數據和所述穩態特征數據輸入至所述識別模塊，所述識別模塊用于輸出所述違規電器名稱。進一步地，所述云端還包括訓練模型模塊，所述訓練模型模塊用于收集不同用電器對應的違規原始暫態特征數據和違規原始穩態特征數據，將違規所述原始暫態特征數據和所述違規原始穩態特征數據作為訓練數據，并將所述訓練數據輸入至預設訓練模型中進行訓練，得到預設違規電器識別模型。相比現有技術，本專利技術的有益效果在于：本專利技術的基于智能電表的違規電器識別，包括獲取違規電器識別要求信息；智能電表檢測到用電總功率的功率增量大于預設功率閾值時，智能電表提取采集到的違規電器的暫態特征數據和穩態特征數據；判斷暫態特征數據中是否存在沖擊電流，若是，則根據穩態特征數據判斷違規電器類別，得到違規電器類別；當違規電器識別要求信息為識別違規電器種類時，則將違規電器類別輸出。通過基于智能電表采集的暫態特征數據和穩態特征數據，可以精準的識別違規電器，具有普遍適用性。上述說明僅是本專利技術技術方案的概述，為了能夠更清楚了解本專利技術的技術手段，并可依照說明書的內容予以實施，以下以本專利技術的較佳實施例并配合附圖詳細說明如后。本專利技術的具體實施方式由以下實施例及其附圖詳細給出。附圖說明此處所說明的附圖用來提供對本專利技術的進一步理解，構成本申請的一部分，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中：圖1為本專利技術的基于智能電表的違規電器識別方法的流程示意圖；圖2為本專利技術的基于智能電表的違規電器識別方法的模塊架構圖。具體實施方式下面，結合附圖以及具體實施方式，對本專利技術做進一步描述，需要說明的是，在不相沖突的前提下，以下描述的各實施例之間或各技術特征之間可以任意組合形成新的實施例。如圖1所示，本專利技術的基于智能電表的違規電器識別方法，包括以下步驟：信息獲取，獲取違規電器識別要求信息，在本實施例中，違規電器識別要求信息為識別違規電器種類或識別違規電器名稱。特征數據提取，智能電表檢測到用電總功率的功率增量大于預設功率閾值時，智能電表提取采集到的違規電器的暫態特征數據和穩態特征數據。本實施例中暫態特征數據包括沖擊電流或峰值電流以及上升率等，穩態特征數據包括電壓、電流有效值、功率、功率因素、電流曲線的斜率均方根、總諧波失真以及低次諧波占比等，本實施中的總諧波失真為電流的總諧波失真。違規電器判斷，根據暫態特征數據以及穩態特征數據判斷違規電器類別，得到違規電器類別。具體為：沖擊電流判斷，判斷暫態特征數據中是否存在沖擊電流，若是，執行第一判斷本文檔來自技高網...

【技術保護點】
1.基于智能電表的違規電器識別方法，其特征在于，包括以下步驟：信息獲取，獲取違規電器識別要求信息；特征數據提取，智能電表檢測到用電總功率的功率增量大于預設功率閾值時，智能電表提取采集到的違規電器的暫態特征數據和穩態特征數據；違規電器判斷，根據所述暫態特征數據以及所述穩態特征數據判斷違規電器類別，得到違規電器類別；違規電器類別輸出，當所述違規電器識別要求信息為識別違規電器種類時，則將所述違規電器類別輸出。

【技術特征摘要】
1.基于智能電表的違規電器識別方法，其特征在于，包括以下步驟：信息獲取，獲取違規電器識別要求信息；特征數據提取，智能電表檢測到用電總功率的功率增量大于預設功率閾值時，智能電表提取采集到的違規電器的暫態特征數據和穩態特征數據；違規電器判斷，根據所述暫態特征數據以及所述穩態特征數據判斷違規電器類別，得到違規電器類別；違規電器類別輸出，當所述違規電器識別要求信息為識別違規電器種類時，則將所述違規電器類別輸出。2.如權利要求1所述基于智能電表的違規電器識別方法，其特征在于：還包括：當所述違規電器識別要求信息為識別違規電器名稱時，將所述暫態特征數據和所述穩態特征數據上傳至云端，云端將所述暫態特征數據和所述穩態特征數據輸入至預設違規電器識別模型，所述預設違規電器識別模型輸出違規電器名稱。3.如權利要求2所述基于智能電表的違規電器識別方法，其特征在于：在所述云端將所述暫態特征數據和所述穩態特征數據輸入至預設違規電器識別模型之前還包括：對所述暫態特征數據和所述穩態特征數據進行數據歸一化處理、降維處理。4.如權利要求3所述基于智能電表的違規電器識別方法，其特征在于：所述降維處理為主成成分分析法或線性判別分析法。5.如權利要求2所述基于智能電表的違規電器識別方法，其特征在于：在所述違規電器類別輸出之前還包括：收集不同用電器對應的違規原始暫態特征數據和違規原始穩態特征數據，將違規所述原始暫態特征數據和所述違規原始穩態特征數據作為訓練數據，并將所述訓練數據輸入至預設訓練模型中進行訓練，得到預設違規電器識別模型。6.如權利要求1所述基于智能電表的違規電器識別方法，其特征在于：所述穩態特征數據包括總諧波失真、功率因數，所述違規電器判斷包括以下步驟：沖擊電流判斷，判斷所述暫態特征數據中是否存在沖擊電流，若是，執行第一判斷，若否，則執行第二判斷；第一判斷，判斷所述穩態特征數據中的總諧波失真是否小于預設諧波閾值，若否，則違規電器類別為第三類別設備，其中，所述第三類別設備為含有電機和變頻器的設備，若是，當所述穩態特征數據中的功率因素大于預設功率閾值時，所述違規電器類別為第二類別設備，其中，所述第...

【專利技術屬性】
技術研發人員：蔡高琰，陳聲榮，林江渚，荊永震，
申請(專利權)人：廣東浩迪創新科技有限公司，
類型：發明
國別省市：廣東,44