一种基于高频电力数据的非侵入式负载识别方法

本发明涉及负载识别技术领域，具体地说，涉及一种基于高频电力数据的非侵入式负载识别方法。其包括以下步骤：采集用户端电压、电流的高频电力信号数据，按照高频电力信号数据处理需求构建分层式数据仓库；对采集的高频电力信号进行信号分析，提取暂态与稳态特征，基于暂态与稳态特征构建多视角特征矩阵；基于多视角特征矩阵采用多分支结构化学习模型进行负载预测，同时，构建深度关联分析模型处理预测过程中高频电力信号数据中的不确定性问题，并利用负载固有周期特性构建时域校正函数。本发明通过融合高频暂态特征与时域动力学解耦机制，实现了对复杂复合负载及动态相似设备的高精度、结构化识别。