申请/专利权人：上海梦象智能科技有限公司

申请日：2023-12-25

公开（公告）日：2024-04-19

公开（公告）号：CN117909812A

主分类号：G06F18/241

分类号：G06F18/241;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-公开

法律状态：2024.04.19#公开

摘要：本发明属于电气指纹识别技术领域，具体为基于谐波次数二维化的电气指纹识别方法。本发明基于频域数据中的谐波次数建立时域数据和频域数据的联系；首先，以非入侵式负载监控方式获得瞬时电流数据，组织成一维向量数据，经过DFT处理，获取频域数据，按照谐波幅值排名，除基波除外的前两的谐波次数等分原始一维向量，并拼接成二维向量，作为待识别特征；然后使用训练好的CNN模型进行特征分类，根据分类结果获得当前正在运行的负载，实现电气指纹的识别。本发明利用DFT获取原始电流数据中的谐波成分，根据谐波次数等分原始数据，从而挖掘出原始数据中更深层次的周期特征，大大提升模型训练效果，获得更精确的识别结果，具有广泛的应用场景。

主权项：1.一种基于谐波次数二维化的电气指纹识别方法，其特征在于，基于频域数据中的谐波次数建立时域数据和频域数据的联系；首先，以非入侵式负载监控方式获得瞬时电流数据，组织成一维向量数据，经过DFT预处理，获取频域数据，按照谐波幅值排名，除基波除外的前两的谐波次数等分原始一维向量，并按行拼接成二维向量，作为待识别特征；然后基于训练好的CNN模型，进行特征分类，根据分类结果获得当前正在运行的负载，实现电气指纹的识别；具体步骤如下：步骤1：采集训练CNN模型所需要的数据集，数据包括一系列单一电气负载开关机以及档位切换时的瞬时电流，每个负载每种状态采集100组数据，每组数据采集500个点；步骤2：利用DFT对步骤1采集的每条电流数据进行预处理，获得频域数据，然后根据频域中各谐波的幅值将谐波按次数排序，选择除基波以外排名靠前的两个谐波次数，分别将原始电流数据等分，再将等分后的数据按行排列，形成二维电流特征数据，每条原始电流数据对应两个二维特征数据；步骤3：将步骤2中处理后的数据送入CNN网络训练模型；步骤4：实时采集电路中的瞬时电流，组织成一维向量，先进行DFT，获得频域数据，按照谐波最高的除基波外的两个谐波次数等分数据，并拼接成二维向量，然后再输入训练好的CNN模型进行分类识别，得出目前电路中有哪些负载及负载运行状态。

全文数据：

权利要求：

百度查询： 上海梦象智能科技有限公司 一种基于谐波次数二维化的电气指纹识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD