【技术实现步骤摘要】
本专利技术属于能源管理，特别是一种可捕捉识别不同设备充电波形的方法及系统。
技术介绍
1、随着智能电网和物联网(iot)技术的快速发展，智能化能源管理系统的需求显著增加，尤其是在精确监测和识别不同电子设备充电波形的领域。在智能家居、智能工厂、电动汽车充电站等环境中，能够区分和识别特定设备的充电行为对于能源效率优化、设备健康管理和安全监控等方面至关重要。
2、传统的设备识别方法主要依赖于功率消耗模式，识别精度受限于设备功率变化的可识别性。然而，许多电子设备在充电时表现出类似的功率消耗特征，导致传统方法无法准确区分同类设备之间的细微差别。此外，传统方法往往需要额外的硬件支持，如专用的电流计或监控设备，这不仅增加了系统复杂性，也增加了成本。
技术实现思路
1、本专利技术的目的是提供一种可捕捉识别不同设备充电波形的方法及系统，以解决现有技术中的不足，能够实现对设备充电波形的快速识别和分类，实现安全用电，避免出现用电过载，或者用电违规导致的灾害发生，显著提高能源管理系统的智能化水平，为实现精细化能源监控和设备维护提供强有力的技术支持。
2、本申请的一个实施例提供了一种可捕捉识别不同设备充电波形的方法，所述方法包括：
3、捕捉待识别设备充电过程中一段长度的电流波形信号；
4、从所述电流波形信号中提取多维波形特征，其中，所述多维波形特征与预存储的每个已知设备的多维波形特征一一对应，所述多维波形特征至少包括峰值特征；
5、将所述电流波形信
6、分别计算所述多维波形特征与各个已知设备的多维波形特征的相似度分数；
7、根据所述相似度分数，确定所述电流波形信号的第二设备识别结果；
8、根据所述第一设备识别结果和所述第二设备识别结果，确定所述电流波形信号的最终设备识别结果。
9、可选的，所述方法还包括：
10、计算所述峰值特征的峰值特征指数，并计算该峰值特征指数与预存储的每个已知设备的峰值特征指数的指数差值；
11、所述根据所述相似度分数，确定所述电流波形信号的第二设备识别结果，包括：
12、根据所述相似度分数和所述指数差值，确定所述电流波形信号的第二设备识别结果。
13、可选的，所述峰值特征指数的计算公式为：
14、
15、其中，所述pf i为峰值特征指数，所述i_n为第n个峰值，所述n为峰值数量，所述mu为峰值的平均值，所述s i gma为标准差，所述k为用于调整峰值敏感度的指数系数。
16、可选的，所述相似度分数的计算公式为：
17、
18、其中，所述s_m为待识别设备与第m个已知设备的相似度分数，所述v_i为待识别设备的多维波形特征中的第i维特征向量，所述f_{m,i}为第m个已知设备的多维波形特征中的第i维特征向量，所述w_i为第i维特征向量的加权因子，所述m为特征向量的维数。
19、可选的，所述根据所述相似度分数和所述指数差值，确定所述电流波形信号的第二设备识别结果，包括：
20、获取多维波形特征的相似度分数超过预设相似阈值、且指数差值小于预设差值阈值的已知设备，作为第二设备识别结果。
21、可选的，所述根据所述第一设备识别结果和所述第二设备识别结果，确定所述电流波形信号的最终设备识别结果，包括：
22、判断所述第一设备识别结果和所述第二设备识别结果中是否存在一致的已知设备；
23、若存在，确定该一致的已知设备为最终设备识别结果，否则，将所述第一设备识别结果的已知设备、所述第二设备识别结果中相似度分数最大的已知设备，确定为并列的最终设备识别结果。
24、本申请的又一实施例提供了一种可捕捉识别不同设备充电波形的系统，所述系统包括：
25、捕捉模块，用于捕捉待识别设备充电过程中一段长度的电流波形信号；
26、提取模块，用于从所述电流波形信号中提取多维波形特征，其中，所述多维波形特征与预存储的每个已知设备的多维波形特征一一对应，所述多维波形特征至少包括峰值特征；
27、输入模块，用于将所述电流波形信号输入预先训练的波形识别模型中，输出所述电流波形信号的第一设备识别结果；
28、第一计算模块，用于分别计算所述多维波形特征与各个已知设备的多维波形特征的相似度分数；
29、第一确定模块，用于根据所述相似度分数，确定所述电流波形信号的第二设备识别结果；
30、第二确定模块，用于根据所述第一设备识别结果和所述第二设备识别结果，确定所述电流波形信号的最终设备识别结果。
31、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。
32、本申请的又一实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。
33、与现有技术相比，本专利技术提供的一种可捕捉识别不同设备充电波形的方法，通过捕捉待识别设备充电过程中一段长度的电流波形信号；从所述电流波形信号中提取多维波形特征；将所述电流波形信号输入预先训练的波形识别模型中，输出所述电流波形信号的第一设备识别结果；分别计算所述多维波形特征与各个已知设备的多维波形特征的相似度分数；根据所述相似度分数，确定所述电流波形信号的第二设备识别结果；根据所述第一设备识别结果和所述第二设备识别结果，确定所述电流波形信号的最终设备识别结果，从而能够实现对设备充电波形的快速识别和分类，实现安全用电，避免出现用电过载，或者用电违规导致的灾害发生，显著提高能源管理系统的智能化水平，为实现精细化能源监控和设备维护提供强有力的技术支持。
本文档来自技高网...【技术保护点】
1.一种可捕捉识别不同设备充电波形的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述峰值特征指数的计算公式为：
4.根据权利要求3所述的方法，其特征在于，所述相似度分数的计算公式为：
5.根据权利要求2所述的方法，其特征在于，所述根据所述相似度分数和所述指数差值，确定所述电流波形信号的第二设备识别结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一设备识别结果和所述第二设备识别结果，确定所述电流波形信号的最终设备识别结果，包括：
7.一种可捕捉识别不同设备充电波形的系统，其特征在于，所述系统包括：
8.根据权利要求7所述的系统，其特征在于，所述系统还包括：
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-6中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算
...【技术特征摘要】
1.一种可捕捉识别不同设备充电波形的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述峰值特征指数的计算公式为：
4.根据权利要求3所述的方法，其特征在于，所述相似度分数的计算公式为：
5.根据权利要求2所述的方法，其特征在于，所述根据所述相似度分数和所述指数差值，确定所述电流波形信号的第二设备识别结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一设备识别结果和所述...
【专利技术属性】
技术研发人员：徐亮，朱顺日，朱俊杰，吴赛云，韦坤露，金立军，
申请(专利权)人：金华慧电科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。