(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210692685.5 (22)申请日 2022.06.17 (71)申请人 河北科技大学 地址 050000 河北省石家庄市裕翔街26号 申请人 石家庄科林电气股份有限公司 (72)发明人 安琪　王占彬　王耀强　贾帅烜　 宋云鹏　梁宇飞　李争　安国庆　 李峥　王强　陈贺　 (74)专利代理 机构 河北国维致远知识产权代理 有限公司 13137 专利代理师 秦春芳 (51)Int.Cl. G06V 10/50(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01)G06V 10/764(2022.01) G06K 9/00(2022.01) G06N 20/00(2019.01) G06N 3/00(2006.01) (54)发明名称 两级非侵入式负荷识别方法及终端 (57)摘要 本发明提供了一种两级非侵入式负荷识别 方法及终端， 该方法包括： 获取投切负荷的电流 数据和电压 数据以构建V ‑I轨迹图； 对V ‑I轨迹图 进行HOG特征提取， 根据聚类算法对投切负荷的 HOG特征进行一级分类， 以得到投切负荷的轨迹 类型； 其中， V ‑I轨迹图的轨迹相似的投切负荷属 于同一轨迹类型； 每个轨迹类型对应一个二级分 类模型； 从电流数据提取投切负荷的多维波形特 征并输入到该投切负荷的轨迹类型对应的二级 分类模型中， 得到投切负荷的识别结果。 通过将 轨迹相似的负荷划分为一个轨迹类型， 在进行负 荷识别时， 先确定投切负荷的轨迹类型， 再在确 定的轨迹类型内进一步分类， 能够解决现有技术 对轨迹相似的负荷无法有效识别的技术问题， 有 效提高负荷识别的准确率。 权利要求书2页 说明书11页 附图6页 CN 115375921 A 2022.11.22 CN 115375921 A 1.一种两级非侵入式负荷识别方法， 其特 征在于， 包括： 在发生负荷投切事 件后， 获取投切负荷的电流数据和电压数据以构建V ‑I轨迹图； 对所述V‑I轨迹图进行 特征提取， 得到所述投切负荷的HO G特征； 根据聚类算法对所述投切负荷的HOG特征进行一级分类， 以得到所述投切负荷的轨迹 类型； 其中， V ‑I轨迹图的轨迹相似的投切负荷属于同一轨迹类型； 每个轨迹类型对应一个 二级分类模型； 所述 二级分类模型根据机器学习算法建立； 从所述电流数据提取 所述投切负荷的多维波形 特征； 将所述多维波形特征输入到该投切负荷的轨迹类型对应的二级分类模型中， 得到所述 投切负荷的电器 类型并将其作为所述投切负荷的识别结果。 2.根据权利要求1所述的两级非侵入式负荷识别方法， 其特征在于， 在获取投切负荷的 电流数据和电压数据以构建V ‑I轨迹图之前， 还 包括： 获取所述投切负荷的当前采样频率； 根据所述投切负荷的当前采样频率从第一关系表中选取所述V ‑I轨迹图的像素； 其中， 所述第一关系表为采样频率和 像素的对应关系表， 每个采样频率对应一个V ‑I轨迹图的像 素； 所述对应关系表中采样频率和像素 呈正相关 关系； 所述构建V ‑I轨迹图包括： 根据所述电流数据、 所述电压数据和所述像素， 构建V ‑I轨迹图。 3.根据权利要求2所述的两级非侵入式负荷识别方法， 其特征在于， 所述投切负荷的当 前采样频率 为6.4kHz， 所述当前采样频率对应的像素为32* 32； 或者， 所述投切负荷的当前采样频率为3.2kHz， 所述当前采样频率对应的像素为20* 20。 4.根据权利要求1所述的两级非侵入式负荷识别方法， 其特征在于， 在获取投切负荷的 电流数据和电压数据以构建V ‑I轨迹图之前， 还 包括： 获取所述投切负荷的当前采样频率； 根据所述当前采样频率调整所述V ‑I轨迹图的像素， 以使构建的V ‑I轨迹图的轨迹连 续； 其中， 所述对应关系表中采样频率和像素 呈正相关 关系。 5.根据权利要求1所述的两级非侵入式负荷识别方法， 其特征在于， 根据聚类算法对所 述投切负荷的HO G特征进行一级分类， 以得到所述投切负荷的轨 迹类型， 包括： 根据K均值聚类算法对所述投切负荷的HOG特征进行一级分类， 以得到所述投切负荷的 轨迹类型。 6.根据权利要求1所述的两级非侵入式负荷识别方法， 其特征在于， 将所述多维波形特 征输入到该投切负荷的轨迹类型对应的二级分类模型中， 得到所述投切负荷的电器类型并 将其作为所述投切负荷的识别结果， 包括： 将所述多维波形特征输入到该投切负荷的轨迹类型对应的K最近邻分类模型中， 得到 所述投切负荷的电器 类型并将其作为所述投切负荷的识别结果。 7.根据权利要求6所述的两级非侵入式负荷识别方法， 其特 征在于， 所述方法还 包括： 根据粒子群算法， 从所述K最近邻分类模型的训练样本中选取错误识别率最低的特征 子集作为所述K最近邻分类模型的最优特 征子集； 根据所述 最优特征子集建立所述K最近邻分类模型；权　利　要　求　书 1/2 页 2 CN 115375921 A 2其中， 所述 错误识别率 根据测试集测试 得到， 每个轨迹类型对应一个测试集。 8.根据权利要求1 ‑7任一项所述的两级非侵入式负荷识别方法， 其特征在于， 所述多维 波形特征包括下述至少一项： 电流平均值、 电流均方根值、 峰值系数、 波形系数、 偏度因子、 脉冲因子、 裕度因子、 峭度、 峭度因子 。 9.一种非侵入式负荷识别终端， 包括存储器、 处理器以及存储在所述存储器中并可在 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计算机程序时实现如 上的权利要求1至8中任一项所述两级非侵入式负荷识别方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如上的权利要求 1至8中任一项 所述两级非侵入式 负荷识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 115375921 A 3