：
[0084]在W上执行循环中，确定网格中针对y=A+1, A巧，…，2 A+1的每个单元 (A+l，y)是否被某数据点（皆皆）占据。如果确定一个单元被该数据点占据，则指示该 单元为该数据点的获胜者（winner)。一旦确定获胜者单元，则针对该数据点循环中断 度REAK)(也称为循环终止）。如果该数据点是数据序列中的第一个（即来自第五步的数据 点的半周期），该步骤还将所占据的单元标记为开始单元。
[00化]第屯，通过捜索并确定针对来自第五步的剩余半周期数据点的单元占据而重复第 六步。为了加速该执行过程，例如针对每个捜索循环仅考虑在先获胜者的八个相邻单元。
[0086] 第八，从第六步重复预定次数（例如但不限于半个周期中的数据点的数量；几十 次或几百次；任何适当的数）。
[0087] 系数A限定每个单元的宽度，并且因此限定单元网格内的单元数量。应当基于不 同的应用来选择网格的尺寸。如果存在太多单元，则V-I轨迹到二进制单元网格的映射不 可有效地处理相似V-I轨迹的变化。但是，如果单元数量不充分，则被映射的二进制单元网 格不可正确地代表V-I轨迹。
[0088] 基于二讲制V-I单元网格的特佈提取
[0089] 除了降低由相同负载类别内的PEL的V-I轨迹之间的差异而引出的误差W外，V-I 轨迹到二进制单元网格的映射还可降低失真的影响，但保持图形特性。对于每个阳L类别， 本公开概念采用可直接从二进制单元网格识别的新颖的标记组。
[0090] 图6A和她从图形上描绘了S个关键点或单元（Pl，P2,P3) 56, 58,60和四个关键 线化1，1^2，1^3，1^4)62,64,66,68作为二进制单元网格中的特征。下面给出了可用于相同地 表示每个负载类别的一组8个特征的示例： 阳0川 （1)特征1 :左水平单元（1，A+1)的二进制值，图6A中标记为单元P156,其中可 适用值包括：〇 (单元未被占据）和1 (单元被占据）； 阳09引 似特征2 :中屯、单元（A+1，A+1)的二进制值，图6A中标记为单元P258,其中可 适用值包括〇(单元未被占据）和1(单元被占据）；
[009引 做特征3 :反对角线网格单元值的乘积，即在网格中沿着从左下角到右上角的对 角线（图6A中标记为线L264)的所有单元的二进制值的乘积。该数也是二进制值并指示V-I轨迹是否是线性，或换句话说，V-I轨迹是否与对角线对准。该特征3的可适用值包括： 1 (线性），如图IA所示示例，当V-I轨迹是从左下角到右上角的直线形状时；W及O(非线 性），如图1B-1G所示示例，当反对角线单元中的至少一个反对角线单元未被占据且V-I轨 迹不是直线时；
[0094] (4)特征4:所有单元（A+1，[1:2A+1])内的具有值1的网格单元的连续统的数 量，其指示V-I轨迹的相交数量和基础电压V。线（图6A中标记为线L162);标号1 :2A+1 指示从1到2A+1的所有整数；可适用值包括：1(一个单元）和2(两个单元）；
[0095] (5)特征5 :是否存在V-I轨迹本身的任意自交相交点（self-crossing intersection);可适用值包括：0(无），1 ( 一个相交点），2 (2个相交点）等等；
[0096] (6)特征6 :V-I轨迹与1. 3v。线（图6A中标记为线L366)的相交点的数量巧适 用值包括：1 ( 一个相交点）和2 (两个相交点）；
[0097] (7)特征7 :中央水平线-段的存在（图她中标记为线L468);该线L4占整个水 平线的30%，其中在网格中y= 0 ;如果线的50%与V-I轨迹的部分相重叠，则确定该线存 在；可适用值包括：〇(无水平线）W及1 (有水平线）；W及 阳09引 做特征8 :中上单元（A+1,1)的二进制值，图她中标记为单元P360巧适用值 包括：〇(单元未被占据）W及1(单元被占据）。 阳〇巧] 自香巧香点的撒量
[0100] 例如图IG示出了一些电负载的V-I轨迹对其本身自相交。现有提案可建议V-I轨迹所包含的自交相交点的数量可与谐波阶次有关。例如，具有电流的显著=阶（或五阶） 谐波分量的模拟负载具有两个（或四个）自交相交点。但是运也可能由类别M中的负载 (即，具有多个独立前端电源单元的负载）引起。因此，本公开概念采用通用但低成本的算 法来确定V-I轨迹所包含的自交相交点的数量，如图7中所示。 阳101] 第一，读取采样的数据点[0，0J的一个半线周期（例如1/120秒），从负电压值 到正电压值过零数据点（表示为0)开始，并且从正电压值到负电压值过零数据点（表示 为0+)结束。 阳102]第二，对于区域[0，峰值J内的每个数据点j，其中峰值+指[0，0J中具有最大 正电压值的数据点，找到电压值最接近点j的数据点k。 阳103] 第三通过矢量i指示具有电压值V,和电流值i,的数据点j，并检查数据点序列 的电流值ItLij±l}和化立，|￡，吐1}是否单调上升；如果是，则进行下面第四步，并且如 果不是，则从i±i开始重复该第S步。
[0104] 第四，使用W下标准检查数据点1^= (Vki，iki)和k+1= (Vw，ikJ是否在由有 M=(V",i")和i±i=(VW，iw)确定的线的不同侧上： 阳105] {(i+1-i-l)X(i+1-k-l)I ?
[0106] {(1+1~ 1~1)X(i+l~k+l)}〈0 阳107] 其中：
[0108]X指示叉乘；W及 阳109] ?表示点乘。
[0110] 换句话说，针对任意j和k，认为当满足第四步的标准时的示例为自交相交点。 阳1川撒辛测试结果
[0112] 本公开概念可结合W下任意或所有的教导使用：（1)名称为"SystemAndMethod EmployingASelf-OrganizingMapLoadFeatureDatabaseToIdentifyElectric LoadTypesOfDifferentElectricLoads"的美国专利申请公开号No. 2013/0138651; 似名称为"SystemAndMethodEmployin邑AMinimumDistanceAndALoadFeature DstsbsseToIdentifyElectricLo曰dTypesOfDifferentElectricLo曰ds" 的美国专 利申请公开号No. 2013/0138661 ;W及（3)名称为"SystemAndMethodForElectricLoad IdentificationAndClassificationEmployingSupportVectorMachine"的美国专利 申请序列号No. 13/597, 324,通过整体引用将其并入本文。
[0113] 根据本公开概念的教导，从具有二进制值的所映射的单元网格中提取的作为结果 的二进制V-I特征可被用于W上S个专利申请中任意或所有的公开的分类和识别系统中 的输入W导出观测下的负载的类别。参考公开号No. 2013/0138669所公开的分层负载识别 架构，可应用本公开概念W提供1级负载类别识别所需的特征。通过应用监督的自组织映 射（SSOM)或自组织映射（SOM)(也称为自组织特征映射（SOFM))进行负载的分类，该SOM 是被训练为使用竞争学习W产生相对低维度（典型二维）离散的训练样本的输入空间的表 示的未监督的人工神经网络类型，称为映射，如公开号No. 2013/0138651公开的。 阳114] 对巿个丰要债裁类别的测试
[0115] 五个负载类别（即R，X，NP,P和M)覆盖了多数现有PEL。W下描述了通过使用 本文所提出的前五个特征识别来自运五个负载类别中的负载的成功率。期望从运五个PEL类别的V-I轨迹的二进制映射所提出的图形标记具有如表2所示的值（其中"X"表示0或 1)。 阳116]表2阳117]
[0118] 针对每个类别，测试若干阳L并且独立地测试每个阳LlOO次。表3示出了结果。
[0119]表3 阳120]
阳121] 概括而言，从V-I轨迹的二进制映射提出的图形标记实现了平均超过99%的准确 率。在表3中类别M的负载的识别（即具有多个独立前端电源单元的负载）具有最低精度。 运主要是由于在该类别中负载的宽多样性。 阳1。] 对所有木种债裁类别的测试
[0123] 在该测试中，考虑了所有屯种负载类别。期望从运屯种阳L类别的V-I轨迹的二 进制映射提出的图形标记具有如表4所示的值。 阳124] 表4 阳1巧]
阳126] 在该测试中，测试总共20种负载类型（每个负载类型的一到屯个负载模型）。针 对每个数据组，选择大约900至大约3000个V-I轨迹，并将其映射到64X64单元网格。表 5中示出了结果。 阳127] 表5 阳12引
[0129] 测试结果证实从V-I轨迹的映射所提出的图形标记可实现对相对大负载组和屯 种目标负载类别的平均超过90 %的准确率。主要失败的情况来自相角小于90D的一些PAC 负载，运使得负载的特征与对电阻负载所期望的特征相似，由此它们被误分类到R类别。提 升感测电压和电流信号的采样率可W帮助改进性能，但是在存储空间可用性和计算负担方 面应当考虑权衡。同时，从应用角度来看，如果识别相角相对小的具有调光器的白识灯为电 阻负载，则最终的分类将仍然是可接受的。 阳130]总结 阳131] 图8示出了用于不同电负载102、103、104的系统100。系统包括被构造为感测不 同电负载102、103、104的每一个电负载的电压和电流信号107的传感器106 ;具有多个层 11(KL1，L2，L3)的分层负载特征数据库108,层110的第一层112化1)包括多个不同的负载 类别；W及处理器114。处理器114包括程序116,其根据本公开概念的教导从传感器106 获取不同电负载102、103、104的对应一个电负载的电压和电流波形；将电压-电流轨迹映 射到包括多个单元的网格，向每个单元分配0或1的二进制值（