一种危险用电器及用电行为识别方法及系统与流程

本发明涉及电气监控领域，特别是涉及一种危险用电器及用电行为识别方法及系统。

背景技术：

1、自建住宅火灾形势仍较严峻，电气火灾风险最大。从初步调查的自建住宅火灾起火原因看，因电气故障引发的火灾占总数42.8％，明显高于各类场所火灾中电气占30.9％和非自建住宅火灾中电气占32.9％的比重，表明电气线路原始设计敷设不规范、私拉乱接电线、超负荷用电等电气类问题是自建住房存在的最大火灾隐患，加之违规用作生产、储存、经营等现象也较普遍，又进一步放大了火灾风险。

2、目前，一些传统方法和设备可以用于检测电器设备的电气特性，例如电流、电压等，以及一些基本的用电行为，如过载检测等。然而，这些方法往往无法全面、准确地识别危险用电器及复杂的用电行为。

3、由此可见，现有技术在处理复杂的用电行为识别、危险电器预警等方面存在局限性，需要更加智能化和精确的解决方案。如何能创设一种新的危险用电器及用电行为识别方法及系统，使其能够实时监测电器设备的状态、电气参数，并通过智能分析算法来判断是否存在危险隐患。同时，还能够识别复杂的用电行为模式，如电器设备的长时间过载、异常的线路连接等，以提前预警用户并采取相应的安全措施，成为当前业界极需改进的目标。

技术实现思路

1、本发明要解决的技术问题是提供一种新的危险用电器及用电行为识别方法及系统，使其能够实时监测电器设备的状态、电气参数，并通过智能分析算法来判断是否存在危险隐患。同时，还能够识别复杂的用电行为模式，如电器设备的长时间过载、异常的线路连接等，以提前预警用户并采取相应的安全措施，从而克服现有技术存在的不足。

2、为解决上述技术问题，本发明采用如下技术方案：

3、第一方面，本发明提供了一种危险用电器及用电行为识别方法，包括如下步骤：

4、s110:获取市电入户线的电压、电流全波、电流基波、剩余电流、功率因数、有功功率、电流波形缓存等数据，电流波形为主要识别数据；

5、获取市电入户线的线路的温度；

6、s120:对滤波处理后的电压、电流全波、电流基波、剩余电流、功率因数、有功功率，以及温度进行数据归一化处理，分别计算归一化后的系数rr；

7、对滤波处理后的电流波形进行频谱特征提取，计算电流各谐波点的占有率以及奇次谐波占有率oh、偶次谐波占有率eh及非奇非偶谐波占有率nh；所述占有率＝各谐波值/谐波总和；

8、s130:将计算的电压、电流全波、电流基波、剩余电流、功率因数、有功功率及温度归一化后的系数rr、电流各谐波点的占有率以及奇次谐波占有率oh、偶次谐波占有率eh及非奇非偶谐波占有率nh输入训练好的bp神经网络报警识别模型进行识别，以识别出潜在危险用电器、故障电弧或危险用电行为。

9、进一步地，所述潜在危险用电器及危险用电行为包括长时间超负荷使用电器、频繁开关电器、电焊作业、电动车充电、电器故障、线路过载、不当的用电连接。

10、进一步地，所述s110中，通过计量芯片采集的市电入户线的电压、电流全波、电流基波、剩余电流、功率因数、有功功率、电流波形缓存等数据；通过ntc温度传感器获取市电入户线的线路的温度。

11、进一步地，所述s120中：对滤波处理后的电流波形进行频谱特征提取，计算电流各谐波点的占有率以及奇次谐波占有率oh、偶次谐波占有率eh及非奇非偶谐波占有率nh包括：

12、对滤波处理后的电流波形进行频谱特征提取，电流波形采样速率fs＝6.4k,采样点数n＝2^8＝256,进行快速傅里叶变换fft,得到频谱fn＝(n-1)*fs/n,再计算出对应频率点的模值s(n),n为对应的频率点，因为频谱的对称特性所以取m＝n/2，并将模值计算总和sum；

13、

14、求出对应频率点的含量值sq(n)＝s(n)/sum,n为对应的频率点；

15、取出频谱fn＝[0,25,50,75,100,125,150,175,200,225,250,275,...,2500]的含量值记作xn,n取值为[0,1,2,...,100]，对应频谱fn＝(n-1)*fs/n；

16、x0表示：直流分量的电流含量值，x1表示：25hz的电流含量值，x2表示：基波50hz的电流含量值，xn表示：n次谐波的电流含量值，xn(n＝100)表示:50次谐波的电流含量值；

17、奇次谐波占有率oh为fn中频率为(150、250、350、...2450)的占有率总和；

18、偶次谐波占有率eh为fn中频率为(100、200、300、...2500)的占有率总和；

19、非基非偶次谐波占有率nh为fn中频率为(150、250、350、...2475)的占有率总和。

20、进一步地，所述bp神经网络报警识别模型为3层bp神经网络报警识别模型，其中：

21、输入层为之前计算的电压、电流全波、电流基波、剩余电流、功率因数、有功功率及温度归一化后的系数rr、电流各谐波点的占有率以及奇次谐波占有率oh、偶次谐波占有率eh及非奇非偶谐波占有率nh；

22、和/或，输入层记作矩阵xd(20,111)，每次用20组数据进行损失函数计算；

23、和/或，隐藏层为三层，第一层记作affier1,神经元个数为50个,第二层记作affier2,神经元个数为20个，第三层记作affier3,神经元个数为10个；

24、和/或，输出层采用softmax函数计算对应的报警识别类别，模型为分类问题；

25、和/或，affier1激活函数采用relu,affier2和affier3激活函数采用sigmoid。

26、进一步地，识别后及时发出警报和建议。

27、第二方面，本发明还提供了一种危险用电器及用电行为识别系统，包括:

28、数据获取模块:用于获取市电入户线的电压、电流全波、电流基波、剩余电流、功率因数、有功功率、电流波形缓存等数据；获取市电入户线的线路的温度；

29、数据处理模块：用于对滤波处理后的所述电压、电流全波、电流基波、剩余电流、功率因数、有功功率，以及温度进行数据归一化处理，分别计算归一化后的系数rr；对滤波处理后的电流波形进行频谱特征提取，计算电流各谐波点的占有率以及奇次谐波占有率oh、偶次谐波占有率eh及非奇非偶谐波占有率nh；所述占有率＝各谐波值/谐波总和；

30、模型识别模块：用于将计算的电压、电流全波、电流基波、剩余电流、功率因数、有功功率及温度归一化后的系数rr、电流各谐波点的占有率以及奇次谐波占有率oh、偶次谐波占有率eh及非奇非偶谐波占有率nh输入训练好的bp神经网络报警识别模型进行识别，以识别出潜在危险用电器、故障电弧或危险用电行为。

31、进一步地，所述数据处理模块或数据处理模块与模型识别模块位于云服务器端；

32、和/或，还包括用户终端，在模型识别后接受警报和建议。

33、第三方面，本发明还提供了一种电子设备，该电子设备包括：

34、至少一个处理器；以及，

35、与所述至少一个处理器通信连接的存储器；其中，

36、所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，使所述至少一个处理器执行上述的危险用电器及用电行为识别方法。

37、第四方面，本发明还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令当由至少一个处理器执行时使所述至少一个处理器执行上述的危险用电器及用电行为识别方法。

38、通过采用上述技术方案，本发明至少具有以下优点：

39、(1)本发明将采集的电压、电流、剩余电流、有功功率、无功功率、电流波形，及功率因数、温度等数据作为特征数据归一化，对潜在危险用电器使用时的电流电压变化规律及其电流波形时频特征训练全连接网络模型(bp神经网络报警识别模型)进行负载识别，能够更加有效地检测可能导致火灾的电器或故障电弧或用电行为，从而减少电器引发火灾的风险。

40、(2)基于数据分析技术，监测用户的用电行为模式，识别异常或危险行为，如长时间超负荷使用电器、频繁开关电器、电焊作业、电动车充电等。通过智能监测前端设备进行报警推送，可以帮助用户更好地了解风险的程度和潜在的威胁，从而更好地做出决策，采取措施来减少风险。

41、(3)该技术可以收集大量用户的用电数据，通过分析这些数据，了解用电模式的趋势和变化，为能源规划和政策制定提供参考。