摘要
本发明公开了一种基于多窗口累积和算法与一维残差网络的电动车充电检测算法,涉及负荷识别技术领域,算法包括训练阶段和应用阶段。在训练阶段,采集家用电器的电流、电压数据,生成离线训练数据,并对数据进行标准化处理以生成特征向量,利用标记为正例和负例的样本数据对一维残差网络模型进行训练。在应用阶段,采用STM32F103采集电流、电压数据,通过AD转换后发送至处理端,利用多窗口累积和算法进行事件检测,在检测到事件后,利用事件发生后的电流电压数据减去事件发生前的电流电压数据,得到投切电器的电流电压数据,后利用一维残差网络从投切电器电流电压数据中提取出投切电器的特征值,并判断事件是否为电动车充电事件。
技术关键词
多窗口
窗口检测
算法
负荷识别技术
残差网络模型
生成特征向量
数据
电流
电压
特征提取器
负荷特征
阶段
滑动窗口
网络结构
高层次
家用电器
功率值
特征值
系统为您推荐了相关专利信息
更新模型参数
通用特征
多层级特征
改进型卷积神经网络
多任务
智能数据采集模块
深度学习分析
移动端
数据传输模块
LSTM神经网络模型
转向识别方法
融合多特征
信息处理模块
坐标转换算法
智能驾驶技术
储能系统配置方法
分散式储能系统
电力系统
储能设备
分布式储能技术