全信息耦合负荷特征图像与轻量化FBNet分类方法及系统

本发明公开了基于全信息耦合图像和轻量化网络的负荷分类方法，包括：使用电能数据采样仪采集家庭总线处和目标电器电气运行的电压与电流数据，并基于MAD自适应滤波法对视在功率数据进行尖峰校正；对采样数据利用改进滑动时间窗检测算法，检测是否发生电器事件；检测到时，则发生事件前后一段时间内的电气量数据进行采样，否则返回，对采样得到的电气量数据生成全信息耦合负荷特征图像和总样本集；利用得到的训练集训练FBNet轻量卷积神经网络，得到负荷分类模型；将训练集样本输入至模型中，预测得到该样本点对应的负荷类型。将该负荷分类模型能够降低对边缘终端的算力要求，部署在边缘终端后，能够对用电器负荷类型实现快速低时延且稳定准确的识别。