基本信息:
- 专利标题： 基于Faster R-CNN与SVM结合的融合特征典型负荷识别方法及系统
- 申请号：CN202111284397.8 申请日：2021-11-01
- 公开(公告)号：CN113920375B 公开(公告)日：2024-06-25
- 发明人： 李宁 , 齐尚敏 , 刘海洋 , 余英 , 曾婧 , 杨永建 , 胡慧敏
- 申请人： 国网新疆电力有限公司营销服务中心（资金集约中心、计量中心） , 大连理工大学
- 申请人地址： 新疆维吾尔自治区乌鲁木齐市高新区（新市区）恒达街200号
- 专利权人： 国网新疆电力有限公司营销服务中心（资金集约中心、计量中心）,大连理工大学
- 当前专利权人： 国网新疆电力有限公司营销服务中心（资金集约中心、计量中心）,大连理工大学
- 当前专利权人地址： 新疆维吾尔自治区乌鲁木齐市高新区（新市区）恒达街200号
- 代理机构： 北京科迪生专利代理有限责任公司
- 代理人： 金怡
- 主分类号： G06V10/764
- IPC分类号： G06V10/764 ; G06V10/80 ; G06N3/0464
摘要：
本发明涉及一种基于Faster R‑CNN与SVM结合的融合特征典型负荷识别方法及系统，其方法包括：S1：采集电器设备的负荷，构建信号数据样本，选取相对应的小波基，确定分解层数；对含噪信号进行分解，得到一组小波系数；S2：对小波系数进行软阈值函数处理，得到估计小波系数；S3：利用估计小波系数对小波进行重构，得到去噪后的重构信号；S4：对重构信号进行归一化处理，得到归一化的重构信号；S5：基于归一化的重构信号，构建负荷特征曲线图像，使用Faster R‑CNN网络对负荷曲线图像进行特征提取，利用SVM进行分类，得到最终的负荷识别结果。本发明提供的方法提升了对典型负荷特征识别的准确率，对节能做出指导，降低用户的用电成本并提高电能的利用率。
公开/授权文献:
- CN113920375A 基于Faster R-CNN与SVM结合的融合特征典型负荷识别方法及系统 公开/授权日：2022-01-11