一种基于Fryze-电流分解和CNN-BiLSTM的非侵入式家电识别方法与流程

1.一种基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，通过非侵入式量测装置对测量目标进行测量，得到总的电流和电压波形，并利用高频特征提取的方法对总的电流和电压波形进行处理，将从总的电流和电压波形中提取的单周期稳态信号作为激活电流i和激活电压v，将激活电流i和激活电压v作为待识别的负荷数据。

3.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，激活电流i在时域上进行分解的表达为：

4.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，有功电流i(t)a的表达式为：

5.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，非有功分量i(t)f的表达式为：

6.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，距离矩阵的表达式为：

7.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，cnn-bilstm神经网络中的卷积神经网络包括：输入层、隐藏层和输出层；图像输入至输入层，经隐藏层进行特征转换和提取后，输出至输出层，由输出层输出用电设备的一维特征向量。

8.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，cnn-bilstm神经网络中的双向长短时记忆神经网络的表达式为：

9.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，若待识别设备发生变化，则将发生变化后的待识别设备作为当前待识别设备，获取当前待识别设备的样本数据，执行步骤s1，获得新的cnn-bilstm神经网络，并利用新的cnn-bilstm神经网络执行步骤s2-步骤s7；其中，变化包括：新增用电设备、减少用电设备和/或更换用电设备。

10.根据权利要求1所述的基于fryze-电流分解和cnn-bilstm的非侵入式家电识别方法，其特征在于，若待识别设备不发生变化，则直接使用步骤s1获得的cnn-bilstm神经网络执行步骤s2-步骤s7；其中，变化包括：新增用电设备、减少用电设备和/或更换用电设备。