(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210255076.3 (22)申请日 2022.03.16 (65)同一申请的已公布的文献号 申请公布号 CN 114332443 A (43)申请公布日 2022.04.12 (73)专利权人 北京智芯微电子科技有限公司 地址 102200 北京市昌平区南邵镇 南中路 电网产业大厦 专利权人 国网山东省电力公司营销服 务中 心 （计量中心） 　 国网信息通信产业 集团有限公司 　 国家电网有限公司 (72)发明人 孙铭阳　聂玉虎　崔文朋　刘瑞　 郑哲　池颖英　刘加国　杨剑　 荆臻　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 赵静(51)Int.Cl. G06V 10/20(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (56)对比文件 CN 113191253 A,2021.07.3 0 CN 111914937 A,2020.1 1.10 CN 106226572 A,2016.12.14 CN 10783270 5 A,2018.0 3.23 CN 112180193 A,2021.01.0 5 CN 113920375 A,202 2.01.11 CN 113408341 A,2021.09.17 US 20143 36831 A1,2014.1 1.13 王守相等.基 于特征融合与深度学习的非侵 入式负荷辨识算法. 《电力系统自动化》 .2020,第 44卷(第9期), (续) 审查员 王楠 (54)发明名称 非侵入负荷识别装置、 方法、 存储介质及电 子设备 (57)摘要 本发明公开了一种非侵入负荷识别装置、 方 法、 存储介质及电子设备， 装置包括： 预处理模 块、 特征提取模块、 特征融合模块以及识别模块， 其中， 预处理模块用于获取待识别负荷的V ‑I曲 线图像、 电流包络线图像、 无功电流频谱 数据、 有 功功率和无功功率； 特征提取模块用于提取V ‑I 曲线图像的图像特征向量、 电流包络线图像的包 络线特征向量， 以及无功电流频谱 数据的频谱特 征向量； 特征融合模块用于对图像特征向量、 包 络线特征向量、 频谱特征向量、 有功功率和无功 功率进行特征融合得到融合特征向量； 识别模块 用于通过分类器对融合特征向量进行类型识别 得到待识别负荷的类型。 由此， 提高了非侵入负 荷识别的准确率， 并提高了其对应识别算法的鲁棒性。 [转续页] 权利要求书3页 说明书11页 附图7页 CN 114332443 B 2022.06.24 CN 114332443 B (56)对比文件 Yanchi Liu等.Non-Intrusive L oad Monitoring by Vo ltage–Current Trajectory Enabled Transfer Learn ing. 《IEEE TRANSACTIONS ON SMART GRID》 .2019,第10卷 (第5期),2/2 页 2[接上页] CN 114332443 B1.一种非侵入负荷识别装置， 其特 征在于， 所述装置包括： 预处理模块， 用于在确定负荷投切事件发生时， 获取待识别负荷的V ‑I曲线图像、 电流 包络线图像、 无功电流频谱数据、 有功 功率和无功 功率； 特征提取模块， 用于通过卷积神经网络对所述V ‑I曲线图像进行特征提取得到 图像特 征向量， 并对所述电流包络线图像进行特征提取得到包络线特征向量， 以及通过全连接神 经网络对所述无功电流频谱数据进行特征提取得到频谱特征向量； 其中， 所述卷积神经网 络包括： 多层 级残差网络， 用于对输入图像进行多层级 特征提取得到不同层级的特征图， 并 对所述不同层级的特征图进行拼接得到M1个特征图； 第一卷积单元， 用于对所述M1个特征 图进行卷积处理得到M2个特征图； 再 处理单元， 用于对所述M2个特征图进 行随机均匀重排、 池化和拼接处理后得到M3个特征图； 深度可分离卷积单元， 用于对所述M3个特征图进行深 度可分离卷积处理得到M4个特征图； 全局平均池化单元， 用于对所述M4个特征图进行全局 平均池化处 理得到所述输入图像的特 征向量， 其中， M1、 M2、 M 3和M4均为 正整数； 特征融合模块， 用于通过特征融合网络对所述图像特征向量、 所述包络线特征向量、 所 述频谱特 征向量、 所述有功 功率和所述无功 功率进行 特征融合得到融合特 征向量； 识别模块， 用于通过分类器对所述融合特征向量进行类型识别得到所述待识别负荷的 类型。 2.根据权利要求1所述的非侵入负荷识别装置， 其特 征在于， 所述装置还 包括： 采集模块， 用于采集负荷群端口处的电压和电流； 获取模块， 用于根据所述电压和所述电流获取无功电流、 所述有功功率和所述无功功 率； 确定模块， 用于在所述电压和所述无功电流的变化情况满足预设条件时， 确定负荷投 切事件发生。 3.根据权利要求2所述的非侵入负荷识别装置， 其特 征在于， 所述预处 理模块包括： 图像生成单元， 用于根据所述无功电流和所述电压生成所述V ‑I曲线图像， 并根据 所述 电流生成所述电流包络线图像； 频谱生成单 元， 用于对所述无功电流进行傅里叶变换 得到所述无功电流频谱数据。 4.根据权利要求1所述的非侵入负荷识别装置， 其特征在于， 所述多层级残差网络包 括： N个第二卷积单元， 第1个第二卷积单元的输入端作为所述卷积神经网络的输入端， 第i +1个第二卷积单元的输入端与第i个第二卷积单元的第一输出端相连， 所述N个第二卷积单 元用于对所述输入图像进行多层级特 征提取得到不同层级的特 征图； N‑1个第一最大池化层， 第i个第一最大池化层的输入端与所述第i个第二卷积单元的 第二输出端相连， 用于对相应第二卷积单元的特征图进行最大池化处理， N为大于等于2的 整数且1≤i＜N； 第一拼接层， 所述第 一拼接层的输入端分别与第N个第 二卷积单元的输出端和所述N ‑1 个第一最大池化层中的每个第一最大池化层的输出端相连， 用于对所述第N个第二卷积单 元输出的特 征图和最大池化处 理后的特 征图进行拼接处 理得到所述M1个特 征图。 5.根据权利要求4所述的非侵入负荷识别装置， 其特征在于， 所述N个第二卷积单元中 的每个第二卷积单 元均包括： 卷积层、 第一归一 化处理层和Hard ‑swish激活层。权　利　要　求　书 1/3 页 2 CN 114332443 B 3