原始名称记载: 贵州电网有限责任公司电力科学研究院

本发明公开了一种基于多元数值与图像特征融合的负荷识别方法，包括：S1、采集负荷电气运行的电压与电流数据；S2、对S1采集的电压与电流数据利用阈值自适应滑动时间窗检测算法，检测是否发生负荷投切事件；S3、对采集得到的电气量数据生成多元数值与图像特征融合的负荷特征图像，利用生成的多元数值与图像特征融合的负荷特征图像组成总样本集，并分为训练集与验证集；S4、利用训练集和验证集对构建的轻量化卷积神经网络进行训练和验证，以得到一个性能最优的轻量化卷积神经网络作为负荷识别模型；S5、在应用阶段，将待测负荷数据输入至S4得到的负荷识别模型中，即可识别得到该待测负荷数据对应的负荷类型。本发明可大大提高负荷识别的准确性和可靠性。

本发明公开了一种事件特征融合与可解释蒸馏的端侧负荷监测方法，包括：获取家庭用户入户总线功率数据和各电器设备的功率数据，进行功率窗口划分；对功率窗口进行特征提取，提取出统计特征、频域特征和事件特征；设计基础负荷监测模型，训练出性能最优的基础负荷监测模型；设计端侧负荷监测模型，基于可解释蒸馏构建BCE损失函数和XAI损失函数，训练出性能最优的端侧负荷监测模型，能够轻量化部署于端侧设备。对训练完成的端侧负荷监测模型部署与推理，得到各电气设备的开关状态。本发明融合多类功率特征，结合可解释性蒸馏，构建适用于边缘设备的负荷监测方案，提升监测精度与模型透明性，实现高效、可解释的端侧能耗识别能力。

本发明公开了一种基于非侵入式负荷监测的家用电器识别与风险评估方法，包括：数据采集与事件切分、自监督预训练模型构建、事件特征提取、事件分流与识别、电器状态监测与风险评估。本发明实现了对家用电器的高精度识别与早期风险预警，解决现有技术中电器识别精度不高、泛化能力差、混合负荷分离困难以及缺乏风险预警能力的技术问题，具有较高的工程适用性与可靠性。

本发明公开了一种基于多尺度分解与多任务学习的危险电器识别方法，包括：采集学生宿舍用电场景下的总用电数据及各电器单体用电数据；基于各电器单体用电数据设定阈值，生成电器开关状态标签，并将总用电数据与对应标签配对，将配对后的数据集按比例划分为训练集与测试集；构建由多尺度分解模块和多任务学习模块组成的危险电器识别模型并进行联合训练；在测试阶段，将测试集的总用电数据输入到危险电器识别模型中，输出电器类型识别结果，并将其与预设的危险电器类型比对，若电器类型识别结果中包含危险电器，则发出预警信号，实现危险电器识别与安全预警。本发明实现了对危险电器行为的实时监测与预警，将有效提升宿舍用电安全保障水平。