一种基于卷积神经网络的电力消费活动实时识别方法

本发明公开了一种基于卷积神经网络的电力消费活动实时识别方法，涉及电力领域，通过分析整个用电场景的总功率曲线，能够识别出完整的电力消费活动模式，采用轻量化的LeNet‑5网络架构，相比传统的复杂机器学习模型，计算复杂度大幅降低，通过GAF预处理后的二维图像数据可以快速输入网络进行推理，实现秒级甚至亚秒级的实时识别响应，利用CNN强大的特征提取能力，能够自动学习电力消费活动的深层特征表示，通过CNN的多层卷积和池化操作，能够自动从电力消费数据中提取层次化的特征表示，无需人工设计特征提取器。网络能够学习到从低层的边缘特征到高层的语义特征，充分挖掘数据中的隐含模式和规律，提高了对复杂电力消费活动的建模能力。