學生宿舍用電器類型判斷裝置的制造方法
【專利摘要】一種學生宿舍用電器類型判斷裝置，包括信息采集模塊、信息處理模塊、通信模塊。所述裝置同時采用包括啟動沖激電流、啟動平均電流、啟動電流沖量在內(nèi)的電器啟動電流特征，以及電器的負載電流頻譜特征作為識別特征，特征信息豐富；采用包括決策樹分類器和貝葉斯分類器的組合分類器進行識別與判斷分類，兼顧決策樹分類器和貝葉斯分類器的特點進行綜合識別判斷，準確率高；提供的啟動電流特征獲取方法和負載電流頻譜特征獲取方法簡單、可靠。所述裝置可以用在學生集體宿舍等一些需要進行用電電器管理的集體公共場所，也可以用于需要進行電器類型識別與統(tǒng)計的其他需要進行用電設(shè)備管理的場合。
【專利說明】
學生宿舍用電器類型判斷裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種設(shè)備判斷及分類裝置，尤其是涉及一種學生宿舍用電器類型判斷 裝置。
【背景技術(shù)】
[0002] 目前，主流的電器負載性質(zhì)判斷方法包括基于負載功率綜合系數(shù)算法的電器負載 判斷方法、基于電磁感應(yīng)的電器負載判斷方法、基于神經(jīng)網(wǎng)絡(luò)算法的電器負載判斷方法、基 于周期性離散變換算法的電器負載判斷方法等。各種方法均能夠在一定程度是實現(xiàn)電器負 載性質(zhì)的判斷，但由于特征性質(zhì)單一，判斷手段單一，普遍存在泛化能力不夠及不能完全準 確判斷的問題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于，針對現(xiàn)在已有技術(shù)的缺陷，提供一種能夠?qū)崿F(xiàn)高效判斷的學 生宿舍用電器類型判斷裝置。所述判斷裝置包括信息采集模塊、信息處理模塊、通信模塊。
[0004] 所述信息采集模塊用于采集電器的負載電流并轉(zhuǎn)換成電流數(shù)字信號;所述電流數(shù) 字信號被送至信息處理模塊;所述信息處理模塊依據(jù)輸入的電流數(shù)字信號，采用組合分類 器進行電器類型判斷；所述通信模塊用于發(fā)送信息處理模塊的電器類型判斷結(jié)果至上位 機。
[0005] 所述組合分類器的輸入特征包括電器的啟動電流特征和電器的負載電流頻譜特 征;所述組合分類器包括決策樹分類器和貝葉斯分類器;所述啟動電流特征包括啟動沖激 電流、啟動平均電流、啟動電流沖量。
[0006] 所述信息采集模塊包括電流傳感器、前置放大器、濾波器、A/D轉(zhuǎn)換器;所述信息處 理模塊的核心為DSP，或者為ARM，或者為單片機，或者為FPGA。
[0007] 所述A/D轉(zhuǎn)換器可以采用信息處理模塊的核心中包括的A/D轉(zhuǎn)換器。
[0008] 所述信息采集模塊、信息處理模塊、通信模塊的全部或者部分功能集成在一片SoC 上。
[0009] 所述通信模塊還接收上位機的相關(guān)工作指令;所述通信模塊與上位機之間的通信 方式包括無線通信方式與有線通信方式；所述無線通信方式包括ZigBee、藍牙、WiFi、 433MHz數(shù)傳方式;所述有線通信方式包括485總線、CAN總線、互聯(lián)網(wǎng)、電力載波方式。
[0010] 所述負載電流頻譜特征通過以下方法獲得：
[0011]步驟一、獲取電器負載的穩(wěn)態(tài)電流信號，并將其轉(zhuǎn)換為對應(yīng)的穩(wěn)態(tài)電流數(shù)字信號；
[0012] 步驟二、對穩(wěn)態(tài)電流數(shù)字信號進行傅立葉變換，得到負載電流頻譜特性；
[0013] 步驟三、將負載電流頻譜特性中諧波次數(shù)為n次的奇次諧波信號相對幅值作為負 載電流頻譜特征，n = 1，3，…，M;所述M表示諧波最高次數(shù)且M大于等于3。
[0014] 所述組合分類器中，決策樹分類器為主分類器，貝葉斯分類器為輔助分類器。
[0015] 所述組合分類器進行電器類型判斷的方法是：當主分類器成功實現(xiàn)電器類型判斷 時，主分類器的電器類型判斷結(jié)果為組合分類器的判斷結(jié)果；當主分類器未能實現(xiàn)電器類 型判斷，且主分類器的判斷結(jié)果為2種或者2種以上電器類型，將主分類器輸出的2種或者2 種以上電器類型判斷結(jié)果中，輔助分類器輸出中概率最高的電器類型作為組合分類器的電 器類型判斷結(jié)果；當主分類器未能實現(xiàn)電器類型判斷，且主分類器的判斷結(jié)果中未能給出 判斷的電器類型時，將輔助分類器輸出中概率最高的電器類型作為組合分類器的電器類型 判斷結(jié)果。
[0016]所述啟動電流特征由信息處理模塊通過以下方法獲得：
[0017]步驟1、電器啟動前，開始對電器的負載電流連續(xù)采樣并對負載電流大小進行判 斷；當負載電流有效值大于e時，判定電器開始啟動并轉(zhuǎn)向步驟2;所述e為大于0的數(shù)值； [0018]步驟2、對電器的負載電流進行連續(xù)采樣，以工頻周期為單位計算負載電流有效值 并保存;計算最近N個工頻周期的負載電流有效值的平均值；當最近N個工頻周期之內(nèi)的每 個工頻周期的負載電流有效值與該N個工頻周期的負載電流有效值的平均值相比較，波動 幅度均小于設(shè)定的相對誤差范圍E時，判定電器負載進入穩(wěn)定狀態(tài)，轉(zhuǎn)向步驟3;所述N的取 值范圍為50-500;所述E的取值范圍為2%-20% ;
[0019]步驟3、將最近N個工頻周期之內(nèi)的負載電流有效值的平均值作為電器負載穩(wěn)態(tài)電 流;將電器開始啟動時刻至最近N個工頻周期起始時刻之間的時間作為啟動過程時間;計算 電器開始啟動后L個工頻周期之內(nèi)的電器負載電流有效值的平均值與電器負載穩(wěn)態(tài)電流之 間的比值，將該比值作為電器的啟動沖激電流;計算電器的啟動過程時間之內(nèi)的電器負載 電流有效值的平均值與電器負載穩(wěn)態(tài)電流之間的比值，將該比值作為電器的啟動平均電 流;計算電器的啟動平均電流與啟動過程時間之間的乘積，將該乘積作為電器的啟動電流 沖量;所述L的取值范圍為1-5。
[0020] 所述組合分類器的輸入特征還包括電器負載穩(wěn)態(tài)電流。
[0021] 本發(fā)明的有益效果是：同時采用電器的啟動電流特征、電器的負載電流頻譜特征 以及電器負載穩(wěn)態(tài)電流有效值作為所述學生宿舍用電器類型判斷裝置的判斷特征，特征信 息豐富；采用包括決策樹分類器和貝葉斯分類器的組合分類器進行判斷分類，兼顧決策樹 分類器和貝葉斯分類器的特點進行綜合判斷，泛化能力與判斷準確率高；提供的包括啟動 沖激電流、啟動平均電流、啟動電流沖量在內(nèi)的啟動電流特征獲取方法，以及負載電流頻譜 特征獲取方法簡單、可靠。
【附圖說明】
[0022] 圖1為本發(fā)明學生宿舍用電器類型判斷裝置實施例的結(jié)構(gòu)示意圖；
[0023] 圖2為白熾燈臺燈的啟動過程電流波形；
[0024] 圖3為電阻爐等電阻性負載的啟動過程電流波形；
[0025] 圖4為單相電機類負載的啟動過程電流波形；
[0026] 圖5為計算機及開關(guān)電源類負載的啟動過程電流波形；
[0027] 圖6為學生宿舍用電器類型判斷裝置進行電器類型判斷的流程圖。
【具體實施方式】
[0028] 以下結(jié)合附圖對本發(fā)明作進一步說明。
[0029] 圖1為本發(fā)明學生宿舍用電器類型判斷裝置實施例的結(jié)構(gòu)示意圖，包括信息采集 模塊101、信息處理模塊102、通信模塊103。
[0030] 信息采集模塊102用于采集電器的負載電流并將負載電流轉(zhuǎn)換成電流數(shù)字信號， 電流數(shù)字信號被送至信息處理模塊102。信息采集模塊中包括電流傳感器、前置放大器、濾 波器、A/D轉(zhuǎn)換器等組成部分，分別完成負載電流信號的傳感、放大、濾波與模數(shù)轉(zhuǎn)換功能。 當負載電流范圍較大時，可以選擇具有程控功能的前置放大器，或者是在A/D轉(zhuǎn)換器前再增 加一個獨立的程控放大器，對范圍較大的負載電流實行分段控制放大，使輸入至A/D轉(zhuǎn)換器 的電壓信號范圍保持在合理的區(qū)間，保證轉(zhuǎn)換精度。濾波器用于濾除高頻分量，避免頻譜混 置。
[0031]信息處理模塊102依據(jù)輸入的電流數(shù)字信號，采用包括決策樹分類器和貝葉斯分 類器的組合分類器實現(xiàn)電器類型判斷。組合分類器的輸入特征包括電器的啟動電流特征和 電器的負載電流頻譜特征。信息處理模塊102的核心為DSP、ARM、單片機，或者為FPGA。當信 息處理模塊的核心中包括有A/D轉(zhuǎn)換器且該A/D轉(zhuǎn)換器滿足要求時，信息采集模塊101中的 A/D轉(zhuǎn)換器可以采用信息處理模塊102的核心中包括的A/D轉(zhuǎn)換器。
[0032]通信模塊103用于實現(xiàn)與上位機之間的通信，將判斷結(jié)果發(fā)送至上位機。通信模塊 102與上位機之間的通信方式包括無線通信方式與有線通信方式，可以采用的無線通信方 式包括ZigBee、藍牙、WiFi、433MHz數(shù)傳等方式，可以采用的有線通信方式包括485總線、CAN 總線、互聯(lián)網(wǎng)、電力載波等方式。通信模塊103還可以接收上位機的相關(guān)工作指令，完成指定 的工作任務(wù)。上位機可以是管理部門的服務(wù)器，也可以是各種工作站，或者是各種移動終 端。
[0033]信息采集模塊101、信息處理模塊102、通信模塊103的全部或者部分功能可以集成 在一片SoC上，減小判斷裝置體積，方便安裝。
[0034] 不同的電器設(shè)備具有不同的啟動電流特征。如圖2所示為白熾燈臺燈的啟動過程 電流波形。白熾燈是將燈絲通電加熱到白熾狀態(tài)，利用熱輻射發(fā)出可見光的電光源。白熾燈 的燈絲通常用耐高溫的金屬鎢制造，但金屬鎢的電阻隨溫度變化大，以Rt表示鎢絲在t°C時 的電阻，以Ro表示鎢絲在〇°C時的電阻，則兩者有下述的關(guān)系
[0035] Rt = Ro(l+0.0045t)
[0036] 例如，設(shè)白熾燈的燈絲(鎢絲)在正常工作時的溫度為2000°C，一只"220V 100W"的 白熾燈的燈絲在2000 °C正常工作時的電阻為
[0038] 其在不通電時0°C的電阻為
[0040] 其在不通電時20 °C的電阻為
[0041] R2〇 = Ro( 1+0.0045t) =52.8 Q
[0042] 即白熾燈在啟動通電的瞬間電流超過其額定電流的9倍，且最大啟動電流發(fā)生在 啟動時刻。隨著白熾燈鎢絲溫度的升高，白熾燈的負載電流按照指數(shù)規(guī)律減小，然后進入穩(wěn) 定狀態(tài)。
[0043] 設(shè)電器負載穩(wěn)態(tài)電流有效值為IW，且定義電器負載電流有效值進入電器負載穩(wěn)態(tài) 電流有效值的一個設(shè)定的相對誤差范圍之內(nèi)并穩(wěn)定在這個相對誤差范圍之內(nèi)，則電器負載 進入穩(wěn)定狀態(tài)。相對誤差范圍可以設(shè)定為10%，也可以設(shè)定為2%、5%、15%、20%等2%-20%之間的值。圖2中，設(shè)定的相對誤差范圍為10%，當白熾燈的負載電流按照指數(shù)規(guī)律減 小到其Iw的10 %誤差范圍時，如圖2中的時刻Ts，啟動過程結(jié)束。白熾燈的啟動過程時間為 Ts。Iw為有效值。
[0044] 選擇啟動沖激電流IC、啟動平均電流Id、啟動電流沖量如作為電器的啟動電流特 征;啟動沖激電流Ic、啟動平均電流Id均為標么值。具體定義是：啟動沖激電流Ic為電器啟動 開始后T 2時間之內(nèi)的電器負載電流平均值與電器負載穩(wěn)態(tài)電流Iw的比值；啟動平均電流Id 為電器啟動時間Ts之內(nèi)的電器負載電流平均值與電器負載穩(wěn)態(tài)電流Iw的比值；啟動電流沖 量Qi為啟動平均電流Id與啟動過程時間Ts的乘積，量綱為ms。電器負載電流、電器負載穩(wěn)態(tài) 電流均為有效值。T 2的取值范圍為20-100ms，或者是1-5個工頻周期;例如，T2取值40ms，BP2 個工頻周期。啟動沖激電流Ic反映的是電器負載啟動后短時間內(nèi)的電流沖激大小。在部分 電器的啟動過程中，當有電器的實際啟動過程時間Ts小于設(shè)定的^時，令電器的啟動過程時 間Ts等于T2。啟動平均電流Id反映的是電器負載啟動過程中的電流整體大小。啟動電流沖量 QlS映的是電器負載啟動的整體強度。
[0045] 圖2中，白熾燈的啟動沖激電流Ic為To(白熾燈啟動時刻，電流為Io)ST2(設(shè)定的時 亥IJ，電流為12)之間白熾燈的電流平均值與白熾燈的穩(wěn)態(tài)電流Iw的比值。啟動平均電流Id為 To(白熾燈啟動時亥lj)至Ts(白熾燈啟動過程結(jié)束時間)之間白熾燈的電流平均值與白熾燈的 穩(wěn)態(tài)電流If的比值。啟動電流沖量Qi為白熾燈啟動平均電流Id與啟動過程時間Ts的乘積。
[0046] 如圖3所示為電阻爐等電阻性負載的啟動過程電流波形。電阻爐等電阻性負載通 常采用鎳鉻、鐵鉻鋁等電熱合金絲，其共同特點是電阻溫度修正系數(shù)小，電阻值穩(wěn)定。以牌 號為Cr20Ni80的鎳鉻電熱絲為例，其在1000°C時的電阻修正系數(shù)為1.014，即1000°(：時相對 于20 °C時，牌號為Cr20Ni80的鎳鉻電熱絲電阻只增加1.4 %。電阻爐等電阻性負載在通電啟 動時即進入穩(wěn)定狀態(tài)，電阻爐等電阻性負載的實際啟動過程時間Ts = 0,因此，令電阻爐等 電阻性負載的實際啟動過程時間Ts = T2;例如，當T2設(shè)定為40ms時，則此時的啟動過程時間 Ts也為40ms。由于電阻性負載To時刻電流I〇、T 2時刻電流12與電阻性負載的穩(wěn)態(tài)電流Iw相等， 因此，電阻性負載的啟動沖激電流Ic= 1，啟動平均電流Id = 1。
[0047] 如圖4所示為單相電機類負載的啟動過程電流波形。單相電機類負載既具有電感 性負載特性，又具有反電動勢負載特性。啟動時刻，由于電感的作用，啟動時刻的啟動電流 1〇為〇;隨后電流迅速上升，在電機反電動勢未建立之前，達到電流峰值Im;此后，電機轉(zhuǎn)速增 加，電機負載電流逐步減小，直到進入穩(wěn)定狀態(tài)。圖4中，單相電機類負載的啟動沖激電流Ic 為To(單相電機類負載啟動時刻，電流為Io)至T 2(設(shè)定的時刻，電流為12)之間單相電機類負 載的電流平均值與穩(wěn)態(tài)電流If的比值。啟動平均電流Id為To(單相電機類負載啟動時刻）至 Ts(單相電機類負載啟動過程結(jié)束時間）之間單相電機類負載的電流平均值與穩(wěn)態(tài)電流Iw的 比值。啟動電流沖量Qi為單相電機類負載啟動平均電流Id與啟動過程時間Ts的乘積。
[0048] 如圖5所示為計算機及開關(guān)電源類負載的啟動過程電流波形。計算機及開關(guān)電源 類負載因為對電容充電的影響，在啟動瞬間會產(chǎn)生一個很大的浪涌電流，其峰值可達到穩(wěn) 態(tài)電流有效值Iw的幾倍至十幾倍，時間為1至2個工頻周期。由于計算機及開關(guān)電源類負載 的啟動時間短，其啟動過程時間Ts有可能小于設(shè)定的T2;當其啟動過程時間Ts小于設(shè)定的T2 時，令Ts等于T2。圖5中，計算機及開關(guān)電源類負載的啟動沖激電流IC為To(計算機及開關(guān)電 源類負載啟動時刻，電流為1〇)至T 2(設(shè)定的時刻，電流為12)之間計算機及開關(guān)電源類負載 的電流平均值與穩(wěn)態(tài)電流Iw的比值。啟動平均電流Id為To(計算機及開關(guān)電源類負載啟動時 亥IJ)至Ts(計算機及開關(guān)電源類負載啟動過程結(jié)束時間）之間計算機及開關(guān)電源類負載的電 流平均值與穩(wěn)態(tài)電流Iw的比值。啟動電流沖量如為計算機及開關(guān)電源類負載啟動平均電流 Id與啟動過程時間Ts的乘積。
[0049] 獲取電器的啟動電流特征的方法是：
[0050] 電器啟動前，負載電流值為0(未開機)或者很小(處于待機狀態(tài))時，信息處理模塊 102即開始對負載電流進行連續(xù)采樣；當采樣得到的負載電流值有效值開始大于0或者是開 始大于電器的待機電流時，即判斷出電器已經(jīng)啟動，記錄該時刻為To。用一個較小的非負閾 值e來區(qū)分電器啟動前后的負載電流值，當e取值特別小時，例如，e取值1mA時，所述判斷裝 置不考慮待機情況，即認為待機也是電器的啟動狀態(tài)；當e取值較小但大于電器的待機電流 時，例如，e取值20mA時，所述判斷裝置會將電器的待機狀態(tài)認為是未啟動狀態(tài)，但同時也會 的部分功率特別小的電器造成漏判斷。
[0051]信息處理模塊102對負載電流進行連續(xù)采樣，且以工頻周期為單位計算負載電流 有效值并保存；當電器已經(jīng)啟動，且連續(xù)采樣達到N個工頻周期后，采樣的同時連續(xù)計算最 近N個工頻周期的負載電流有效值的平均值Iv;信息處理模塊102對最近N個工頻周期之內(nèi) 每個工頻周期的負載電流有效值與該N個工頻周期的負載電流有效值的平均值進行比較， 誤差(或波動)幅度均小于設(shè)定的相對誤差范圍E時，判定電器負載進入穩(wěn)定狀態(tài)，該最近N 個工頻周期的起始時刻為啟動過程的結(jié)束時刻，記錄該時刻為1^(如圖2-圖5所示）。
[0052]將最近N個工頻周期之內(nèi)的負載電流有效值的平均值作為電器負載穩(wěn)態(tài)電流Iw; 將電器開始啟動時刻To至最近N個工頻周期起始時刻1^之間的時間作為啟動過程時間Ts。計 算To至設(shè)定的!^之間（即電器開始啟動后1-5個工頻周期之內(nèi)）的負載電流平均值與穩(wěn)態(tài)電 流Iw的比值，將該比值作為電器的啟動沖激電流Ic。計算To至Ts之間的負載電流平均值與穩(wěn) 態(tài)電流If的比值，將該比值作為電器的啟動平均電流Id。計算電器的啟動平均電流Id與啟動 過程時間Ts的乘積，將該乘積作為電器的啟動電流沖量如。
[0053]由于預(yù)先不知道電器負載穩(wěn)態(tài)電流有效值Iw，因此，將N個工頻周期，即一段持續(xù) 時間TP之內(nèi)波動范圍小于設(shè)定的相對誤差范圍E時的負載電流有效值的平均值作為電器負 載穩(wěn)態(tài)電流有效值Iw。由于普通電器負載的啟動過程較快，所以，T P的取值范圍為1 -10s，典 型取值是2s，相應(yīng)的工頻周期數(shù)量N的取值范圍為50-500，N的典型取值是100。所述相對誤 差范圍E的取值范圍為2%-20%，E的典型取值是10%。
[0054] 組合分類器的輸入特征還包括電器的負載電流頻譜特征。電器的負載電流頻譜特 征由信息處理模塊102控制信息采集模塊101，通過以下步驟獲得：
[0055] 步驟一、待電器負載進入穩(wěn)定狀態(tài)后，獲取電器負載的穩(wěn)態(tài)電流信號，并將其轉(zhuǎn)換 為對應(yīng)的穩(wěn)態(tài)電流數(shù)字信號。
[0056]步驟二、對穩(wěn)態(tài)電流數(shù)字信號進行傅立葉變換，得到負載電流頻譜特性。為保證傅 立葉變換的順利進行，在前述獲取電器負載的穩(wěn)態(tài)電流信號，并將其轉(zhuǎn)換為對應(yīng)的穩(wěn)態(tài)電 流數(shù)字信號的過程中，A/D轉(zhuǎn)換器的精度和速度需要滿足傅立葉變換的要求，采樣頻率可以 設(shè)定為10kHz，或者是其他數(shù)值;信息處理模塊102對采集到的穩(wěn)態(tài)電流數(shù)字信號進行FFT運 算，計算其頻譜。
[0057]步驟三、將負載電流頻譜特性中的n次諧波信號相對幅值作為負載電流頻譜特征， 其中，n= 1，2，…，M;在組成組合分類器的輸入特征向量時，n次諧波信號相對幅值在輸入特 征向量中按照1，2,…，M的順序依次排列。由于負載電流頻譜特性主要由奇次諧波組成，除 少數(shù)電器設(shè)備外，偶次諧波分量幾乎為〇,因此，也可以將負載電流頻譜特性中諧波次數(shù)為n 次的奇次諧波信號相對幅值依序作為負載電流頻譜特征，其中，n = 1，3，…，M。n = 1時的1次 諧波為工頻基波。所述諧波信號相對幅值為諧波信號幅值與電器負載穩(wěn)態(tài)電流有效值Iw的 比值。所述M表示諧波最高次數(shù)，一般情況下，M大于等于3。
[0058]組合分類器中，決策樹分類器為主分類器，貝葉斯分類器為輔助分類器。組合分類 器的輸入特征包括前述的啟動電流特征和負載電流頻譜特征，組合分類器的輸入特征同時 作為決策樹分類器的輸入特征和貝葉斯分類器的輸入特征。
[0059] 如圖6所示為學生宿舍用電器類型判斷裝置進行電器類型判斷的流程圖，學生宿 舍用電器類型判斷裝置進行電器類型判斷的方法是：
[0060] 步驟A、等待電器啟動；
[0061] 步驟B、采集電器啟動電流數(shù)據(jù)并保存，直至電器啟動過程結(jié)束；
[0062] 步驟C、分析采集的電器啟動電流數(shù)據(jù)，獲取電器的啟動電流特征；
[0063] 步驟D、采集電器穩(wěn)態(tài)工作時的數(shù)據(jù)并保存；
[0064] 步驟E、分析采集的電器穩(wěn)態(tài)工作時的數(shù)據(jù)，獲取電器的負載電流頻譜特征；
[0065] 步驟F、將啟動電流特征和負載電流頻譜特征作為組合分類器的輸入特征;組合分 類器進行電器類型判斷；
[0066]步驟G、輸出電器類型判斷結(jié)果。
[0067] 所述組合分類器進行電器類型判斷與識別的方法是：當主分類器成功實現(xiàn)電器類 型判斷，即主分類器輸出的判斷結(jié)果為唯一的電器類型，即判斷結(jié)果中唯一的電器類型為 是時，將主分類器判斷的電器類型作為組合分類器的電器類型判斷結(jié)果；當主分類器未能 實現(xiàn)電器類型判斷，且主分類器的判斷結(jié)果為2種或者2種以上電器類型，即判斷結(jié)果中有2 種或者2種以上電器類型為是時，將主分類器輸出的2種或者2種以上電器類型判斷結(jié)果中， 輔助分類器輸出中概率最高的電器類型作為組合分類器的電器類型判斷結(jié)果；當主分類器 未能實現(xiàn)電器類型判斷，且主分類器的判斷結(jié)果中未能給出判斷的電器類型，即判斷結(jié)果 中沒有電器類型為是時，將輔助分類器輸出中概率最高的電器類型作為組合分類器的電器 類型判斷結(jié)果。
[0068] 以一個簡單的實施例1為例，來說明組合分類器進行電器類型判斷的方法。設(shè)有一 個組合分類器，其輸入特征為x = {IG，Id，Q:，Ai，A2，A3，A4，A5}，其中，I G是啟動沖激電流;Id是 啟動平均電流;Qi是啟動電流沖量;41、知、知^4、心為負載電流頻譜特性中的1_5次諧波信號 相對幅值。組合分類器的輸出是{Bi，B2，B3，B4}，Bi、B2、B3、B4分別代表組合分類器對白熾燈、 電阻爐、吹風機、計算機的判斷結(jié)果輸出，判斷結(jié)果8 132、83、84的取值均為二值分類標記。 主分類器的輸入特征也是叉={1( ；山，〇1，厶1，厶2，厶3山，厶 5}，其輸出是作1^2^3^4}^1^ 2』3、 F4分別代表主分類器對白熾燈、電阻爐、吹風機、計算機的判斷結(jié)果輸出，判斷結(jié)果F^Fs、 F3、F4的取值也均為二值分類標記。輔助分類器的輸入特征同樣為x= { Ig，Id，Qi，Al，A2，A3， 八4，八5}，其輸出是{?(71|叉），？(72|叉），？(73|叉），？(74|叉)}，？(71|叉)、？(72|叉)、？(73|叉)、卩(74|叉） 為輔助分類器輸出的后驗概率，？(7+)、？(7+)、？(73|4、？(74|1)之間的相互大小表明輔 助分類器的當前輸入特征表示所判斷的電器屬于白熾燈、電阻爐、吹風機、計算機的可能性 大小。
[0069] 在實施例1中，Bl、B2、B3、B4的分類標記和Fl、F2、F3、F4的分類標記均取1、0。分類標記 為1時，相應(yīng)的電器類型與當前輸入特征匹配，為確認的判斷結(jié)果，或者說相應(yīng)的電器類型 判斷結(jié)果為是;分類標記為0時，相應(yīng)的電器類型與輸入特征不匹配，未能成為確認的判斷 結(jié)果，或者說相應(yīng)的電器類型判斷結(jié)果為否。
[0070] 在實施例1中，設(shè)某次的主分類器的判斷結(jié)果分類標記為FiFsFsFfOlOO,則認為 主分類器成功實現(xiàn)電器類型判斷，因此，不考慮輔助分類器的判斷結(jié)果，直接令 0100,即組合分類器的判斷結(jié)果是:被判斷的電器為電阻爐。
[0071] 在實施例1中，設(shè)某次的主分類器的判斷結(jié)果分類標記為?正疋#4=1010,則認為 主分類器未能實現(xiàn)電器類型判斷，且主分類器的判斷結(jié)果為2種或者2種以上電器類型；再 設(shè)此時輔助分類器的判斷結(jié)果滿足P( yi I x)〈P(y31 x)，則令^B^BfOOlO，即組合分類器的 判斷結(jié)果是:被判斷的電器為吹風機。
[0072]在實施例1中，設(shè)某次的主分類器的判斷結(jié)果分類標記為F^FsFfOOOO,則認為 主分類器未能實現(xiàn)電器類型判斷，且主分類器的判斷結(jié)果中未能給出判斷的電器類型;再 設(shè)此時輔助分類器的判斷結(jié)果滿足P(yi I x)>P(y21 x)且P(yi I x)>P(y31 x)且P(yi I x)>P(y4 x)，則令關(guān)出收二1000，即組合分類器的判斷結(jié)果是:被判斷的電器為白熾燈。
[0073] 組合分類器、主分類器的判斷結(jié)果分類標記也可以采用其他的方案，例如，分別用 分類標記1、-1，或者是0、1，或者是-1、1，以及其他方案來表示相應(yīng)電器判斷結(jié)果為是、否。 組合分類器與主分類器的分類標記方案可以相同，也可以不相同。
[0074] 所述組合分類器的輸入特征中，還可以包括電器負載穩(wěn)態(tài)電流有效值IW。例如，有 2種不同的電器，電烙鐵和電阻爐需要判斷，電烙鐵、電阻爐都是純電阻負載，且都具有電阻 溫度修正系數(shù)小，電阻值穩(wěn)定的共同特點。因此，單純依靠前述的啟動電流特征和負載電流 頻譜特征無法將他們進行區(qū)分。輸入特征中增加電器負載穩(wěn)態(tài)電流有效值Iw后，電烙鐵功 率小，電器負載穩(wěn)態(tài)電流有效值Iw?。浑娮锠t功率大，電器負載穩(wěn)態(tài)電流有效值Iw大，特征不 同，組合分類器可以進行并完成判斷。
[0075] 輔助分類器為貝葉斯分類器。可以選擇NBC分類器(樸素貝葉斯分類器）、TAN分類 器(樹擴展樸素貝葉斯分類器）、BAN分類器(增強的貝葉斯分類器)等三種貝葉斯分類器之 中的一種作為輔助分類器。
[0076]實施例2選擇NBC分類器作為輔助分類器。樸素貝葉斯分類的定義如下：
[0077] ⑴設(shè)x = {ai，a2，…，am}為一個待分類項，而每個a為x的一個特征屬性；
[0078] (2)有類別集合〇={71，72，."，711};
[0079] (3)計算P(yi | x)，P(y21 x)，…，P(yn | x);
[0080] (4)如果P(yk | x) =max{P(yi | x)，P(y21 x)，…，P(yn | x)}，貝iJxG yko
[0081] 計算第⑶步中的各個條件概率的具體方法是：
[0082] ①找到一個已知分類的待分類項集合作為訓練樣本集；
[0083] ②統(tǒng)計得到各類別下各個特征屬性的條件概率估計；
[0084] P(ai |yi) ,P(a2 |yi) ,??? ,P(am|yi)；
[0085] P(ai | y2)，P(a21 y2)，…，P(am| y2);
[0086] ???；
[0087] P(ai | yn)，P(a21 yn)，…，P(am| yn) 〇
[0088] ③枏據(jù)貝葉斯定理，有：
(1)
[0090]因為分母對于所有類別為常數(shù)，因此我們只要將分子最大化即可；又因為在樸素 貝葉斯中各特征屬性是條件獨立的，所以有：
[0092]實施例2中，組合分類器的輸入特征是{IG，ID，Q:，Ai，A3，Iw}，其中I G是啟動沖激電 流；Id是啟動平均電流;Qi是啟動電流沖量;Ai、A3為負載電流頻譜特性中的1、3次奇次諧波 信號相對幅值；Iw為電器負載穩(wěn)態(tài)電流有效值，單位是安培。要求判斷的電器類別是白熾 燈、電阻爐、電風扇、計算機、電烙鐵。令樸素貝葉斯分類器的特征屬性組合x ={ a 1，a 2，a 3， a4，a5，a6}中的元素與組合分類器的輸入特征集合中的元素按序{Ig，Id，Qi，Ai，A3，Iw} 對 應(yīng);樸素貝葉斯分類器的輸出類別集合〇={71，72,73,74,7 5}則分別與電器類別白熾燈、電阻 爐、電風扇、計算機、電烙鐵 對應(yīng)。
[0093]訓練NBC分類器的過程包括：
[0094] 1、對特征屬性進行分段劃分，進行離散化處理。實施例2中，采取的特征屬性離散 化方法是：
[0095] ai：{ai<3.5,3.5^ai^7,ai>7}；
[0096] a2： {a2<l .25,1.25^a2^2.5 ,a2>2.5}；
[0097] a3: {a3〈125,125彡a3彡500，a3>500};
[0098] a4： {a4<0.7,0.7^a4^0.9 ,a4>0.9}；
[0099] as： {a5<0.02,0.02^a5^0.05,a5>0.05}；
[0100] as： {a6<0.45,a6^0.45}〇
[0101] 2、對每類電器類型均采集多組樣本作為訓練樣本，同時計算每類電器類型樣本在 所有電器類型樣本中所占有的比例，即分別計算P( yi)、P(y2)、P(y3)、P(y4)、P(y 5)。當每類電 器均采集相同的樣本數(shù)量時，例如，每類電器均采集超過100組的樣本，其中每類電器隨機 選擇100組樣本作為訓練樣本，其他則作為測試樣本，總的訓練樣本為500組，且有
[0102] p(yi)=p(y2)=p(y3)=p( y4)=p(y5)=〇.2。
[0103] 3、計算訓練樣本每個類別條件下各個特征屬性分段的頻率(比例），統(tǒng)計得到各類 別下各個特征屬性的條件概率估計，即分別統(tǒng)計計算
[0104] P(ai<3.5|yi),P(3.5^ai^7|yi),P(ai>7|yi)；
[0105] PUKS.Slyd'PU.SSaiSTlyd'PUiWlyd;
[0106] ???；
[0107] PUKS.SlyshPU.SSaiSTlyshPUiWlys);
[0108] P(a2〈1.25|yi)、P(1.25<a2<2.5|yi)、P(a2>2.5|yi) ;
[0109] P(a2〈1.25|y2)、P(1.25<a2<2.5|y2)、P(a2>2.5|y 2);
[0110] ???；
[0111] P(a2〈1.25|y5)、P(1.25<a2<2.5|y5)、P(a2>2.5|y5) ;
[0112] P(a3〈125 | yi)、P( 125彡a3<500 | yi)、P(a3>500 | yi);
[0113] P(a3〈125 | y2)、P( 125彡a3<500 | y2)、P(a3>500 | y2);
[0114] ???；
[0115] P(a3〈125 | y5)、P( 125彡a3<500 | y5)、P(a3>500 | y5);
[0116] P(a4〈0.7|yi)、P(0.7<a4<0.9|yi)、P(a4>0.9|yi);
[0117] P(a4〈0.7|y2)、P(0.7<a4<0.9|y2)、P(a4>0.9|y 2);
[0118] ???；
[0119] P(a4〈0.7|y5)、P(0.7<a4<0.9|y5)、P(a4>0.9|y5);
[0120] P(a5〈0.02|yi)、P(0.02<a5<0.05|yi)、P(a5>0.05|yi);
[0121] P(a5〈0.02|y2)、P(0.02<a5<0.05|y2)、P(a5>0.05|y 2);
[0122] P(a5〈0.02|y5)、P(0.02<a5<0.05|y5)、P(a5>0.05|y5);
[0123] P(a6〈0?45|yi)、P(a6彡0?45|yi);
[0124] P(a6〈0?45|y2)、P(a6彡0?45|y 2);
[0125] ???；
[0126] P(a6〈0?45|y5)、P(a6彡0?45|y 5)〇
[0127] 經(jīng)過上述的步驟1、步驟2、步驟3，NBC分類器訓練完成。其中，步驟1對特征屬性進 行分段劃分由人工確定，對每一個輸入特征進行分段離散化時，分段的數(shù)量為2段或者2段 以上，例如，實施例2中，特征ai_a5都分為3段，特征a6分為2段。每一個特征具體分為多少段， 分段閾值的選擇可以根據(jù)訓練后的貝葉斯分類器對測試樣本測試后的結(jié)果進行調(diào)整。步驟 2、步驟3由彳目息處理模塊102或者是計算機計算完成。
[0128] 本發(fā)明中采用貝葉斯分類器進行分類的方法是：
[0129] 1、將組合分類器的輸入特征作為貝葉斯分類器的輸入特征。在實施例2中，將組合 分類器的輸入特征集合{^^，(^，^，知山丨作為貝葉斯分類器的輸入特征^且有義二^， a2 ,a3,a4,a5,ae}〇
[0130] 2、根據(jù)訓練得到的各類別下各個特征屬性的條件概率估計，分別確定各輸入特征 屬性的分段所在并確定其對每類電器類別的概率P(ai | yi)~P(am | yn)，其中，電器類別集合 為C = {yi，y2，…，yn}。實施例2中，電器類別集合C = {yi，y2，y3，y4，ys}對應(yīng)代表的電器類別是 白熾燈、電阻爐、電風扇、計算機、電烙鐵，確定P(ai | yi)~P(a61 ys)的方法是采用訓練NBC分 類器過程中得到的各個特征屬性的條件概率估計。
[0131] 3、按照式
[0133]計算每種電器類別的后驗概率。因為分母P(x)對于所有電器類別為常數(shù)，令P(x) =1替代實際的P(x)值，不影響每種電器類別后驗概率之間的相互大小比較，此時有
[0141] 采用測試樣本對訓練好的貝葉斯分類器進行測試，根據(jù)測試結(jié)果決定是否調(diào)整對 輸入特征的離散化方法(即調(diào)整分段數(shù)量與閾值），重新訓練貝葉斯分類器。
[0142] 主分類器為決策樹分類器，決策樹分類器的算法可以選擇ID3，C4.5，CART等。實施 例2選擇采用ID3決策樹分類器作為主分類器。ID3決策樹分類器的幾個定義如下：
[0143] 設(shè)D為用類別對訓練元組進行的劃分，則D的熵表示為：
[0145] 其中Pl表示第i個類別在整個訓練元組（即樣本）中出現(xiàn)的概率，可以用屬于此類 別元素的數(shù)量除以訓練元組元素總數(shù)量作為估計。熵的實際意義表示是D中元組的類標號 所需要的平均信息量。
[0146] 假設(shè)將訓練元組D按屬性A進行劃分，則A對D劃分的期望信息為：
C2)
[0148] 而信息增益即為兩者的差值：
[0149] gain(A) = info (D)-inf oa(D) (3)
[0150] ID3算法在每次需要分裂時，計算每個屬性的增益率，然后選擇增益率最大的屬性 進行分裂。
[0151] 訓練ID3決策樹分類器可以采用特征屬性離散化方法，也可以采用連續(xù)特征屬性 的潛在分裂法。其具體方法是：檢測所有的屬性，選擇信息增益最大的屬性產(chǎn)生決策樹結(jié) 點，由該屬性的不同取值建立分支，再對各分支的子集遞歸調(diào)用該方法建立決策樹結(jié)點的 分支，直到所有子集僅包含同一類別的數(shù)據(jù)為止。最后得到一棵決策樹，它可以用來對新的 樣本進行分類。在實施例2中，對每類電器類型均采集多組樣本，隨機抽取部分作為訓練樣 本，其余的作為測試樣本。
[0152] 特征屬性離散化方法訓練ID3決策樹分類器的過程包括：
[0153] 1)對每個特征屬性實現(xiàn)特征區(qū)分。實施例2中，采取的特征區(qū)分方法是：
[0154] ai：{ai<3.5,3.5^ai^6,ai>6}；
[0155] a,2： {a2<l .9,a2^1.9}；
[0156] a3: {a3〈300，a3彡300};
[0157] a4:{a4〈0.85，a4彡0.85};
[0158] as： {a5<0.1,as^0.05}；
[0159] a6:{a6〈0.45，a6彡0.45}。
[0160] 2)計算各屬性的信息增益。在實施例2中，針對訓練樣本按照式(2)和式(3)分別計 算6個特征屬性的信息增益。
[0161] 3)選擇具有最大信息增益的屬性作為該次分裂的分裂(決策)屬性及決策樹結(jié)點， 取得分裂結(jié)果，建立分支;如果樣本都在同一個類，則該結(jié)點成為樹葉，并用該類標記。
[0162] 4)在已有分裂結(jié)果的基礎(chǔ)上，遞歸使用前述步驟計算子結(jié)點的分裂屬性，建立分 支，最終得到整個決策樹。
[0163] 經(jīng)過上述的步驟，ID3決策樹分類器訓練完成。其中，步驟1)對特征屬性進行分段 特征區(qū)分由人工確定，對每一個輸入特征進行分段離散化時，分段的數(shù)量為2段或者2段以 上，例如，實施例2中，特征ai分為3段，特征a2_a6均分為2段。每一個特征具體分為多少段，分 段閾值的選擇可以根據(jù)訓練后的決策樹分類器對測試樣本測試后的結(jié)果進行調(diào)整。步驟2) 至步驟4)由信息處理模塊102或者是計算機完成。
[0164] 連續(xù)特征屬性的潛在分裂法訓練ID3決策樹分類器的過程包括：
[0165] I、計算各屬性的信息增益。先將訓練樣本D中元素按照特征屬性排序，則每兩個相 鄰元素的中間點可以看做潛在分裂點，從第一個潛在分裂點開始，分裂D并計算兩個集合的 期望信息，具有最小期望信息的點稱為這個屬性的最佳分裂點，其信息期望作為此屬性的 信息期望。在實施例2中，針對訓練樣本，找出最佳分裂點按照式(2)和式(3)分別計算6個特 征屬性的信息增益。
[0166] n、選擇具有最大信息增益的屬性作為該次分裂的分裂（決策）屬性及決策樹結(jié) 點，取得分裂結(jié)果，建立分支;如果樣本都在同一個類，則該結(jié)點成為樹葉，并用該類標記。
[0167] m、在已有分裂結(jié)果的基礎(chǔ)上，遞歸使用前述步驟計算子結(jié)點的分裂屬性，建立分 支，最終得到整個決策樹。
[0168] 在前述決策樹的訓練過程中，當給定結(jié)點的所有樣本屬于同一類，結(jié)束遞歸過程， 決策樹已經(jīng)建立。給定結(jié)點的所有樣本屬于同一類，有可能是單種電器類別的確認結(jié)果，也 可能是所有電器類型的否定結(jié)果。
[0169] 在前述決策樹分類器的訓練過程中，當沒有剩余屬性可以用來進一步劃分樣本 時，同樣需要結(jié)束遞歸過程，但此時有些子集還不是純凈集，即集合內(nèi)的元素不屬于同一類 別;此時，可以采用增加特征屬性，例如，在實施例2中增加負載電流頻譜特性中的5次、7次 等奇次諧波信號相對幅值作為新的特征屬性，對決策樹進行重新訓練。當訓練后或者重新 訓練后的決策樹分類器最終的部分子集不是純凈集，其集合內(nèi)的元素不屬于同一類別時， 不采用子集"多數(shù)表決"方式將子集中出現(xiàn)次數(shù)最多的類別作為此結(jié)點類別，而是直接將子 集中的所有類別作為此結(jié)點類別，即所述決策樹分類器可以輸出多種電器類別的確認結(jié) 果。
[0170]主分類器還可以選擇由多個二類輸出決策樹分類器組成，每個二類輸出決策樹分 類器對應(yīng)判斷一種電器類型，例如，實施例1中可以采用4個二類輸出決策樹分類器分別判 斷白熾燈、電阻爐、吹風機、計算機，實施例2中可以采用5個二類輸出決策樹分類器分別判 斷白熾燈、電阻爐、電風扇、計算機、電烙鐵。主分類器選擇多個二類輸出決策樹分類器共同 組成時，所有二類輸出決策樹分類器的輸入特征均為主分類器的輸入特征，所有的訓練樣 本均作為每個二類輸出決策樹分類器的訓練樣本。主分類器選擇多個二類輸出決策樹分類 器共同組成時，每個二類輸出決策樹分類器只需要完成一種電器類型的判斷，決策樹的訓 練相對簡單。當所述某個二類輸出決策樹分類器的訓練結(jié)束后，或者是增加特征屬性重新 訓練結(jié)束后，有些子集還不是純凈集，即有子集還不能確認輸入屬性是否屬于該二類輸出 決策樹分類器所判斷的電器類型時，將該子集所在的節(jié)點定義為是，即讓該二類輸出決策 樹分類器在此種情況下判定此次輸入的特征屬性屬于所判斷的電器類型。由于此時主分類 器由多個二類輸出決策樹分類器組成，各二類輸出決策樹分類器之間相互獨立，因此，對某 一特征屬性進行判斷時，主分類器有可能輸出的判斷結(jié)果為唯一的電器類型，或者判斷結(jié) 果為2種或者2種以上電器類型，或者未能給出判斷的電器類型。
【主權(quán)項】
1. 一種學生宿舍用電器類型判斷裝置，其特征在于，包括信息采集模塊、信息處理模 塊、通信模塊； 所述信息采集模塊用于采集電器的負載電流并轉(zhuǎn)換成電流數(shù)字信號;所述電流數(shù)字信 號被送至信息處理模塊； 所述信息處理模塊依據(jù)輸入的電流數(shù)字信號，采用組合分類器進行電器類型判斷； 所述通信模塊用于發(fā)送信息處理模塊的電器類型判斷結(jié)果至上位機； 所述組合分類器的輸入特征包括電器的啟動電流特征和電器的負載電流頻譜特征； 所述組合分類器包括決策樹分類器和貝葉斯分類器； 所述啟動電流特征包括啟動沖激電流、啟動平均電流、啟動電流沖量。2. 如權(quán)利要求1所述的學生宿舍用電器類型判斷裝置，其特征在于，所述信息采集模塊 包括電流傳感器、前置放大器、濾波器、A/D轉(zhuǎn)換器;所述信息處理模塊的核心為DSP，或者為 ARM，或者為單片機，或者為FPGA。3. 如權(quán)利要求2所述的學生宿舍用電器類型判斷裝置，其特征在于，所述A/D轉(zhuǎn)換器采 用信息處理模塊的核心中包括的A/D轉(zhuǎn)換器。4. 如權(quán)利要求1所述的學生宿舍用電器類型判斷裝置，其特征在于，所述信息采集模 塊、信息處理模塊、通信模塊的全部或者部分功能集成在一片SoC上。5. 如權(quán)利要求1所述的學生宿舍用電器類型判斷裝置，其特征在于，所述通信模塊還接 收上位機的相關(guān)工作指令;所述通信模塊與上位機之間的通信方式包括無線通信方式與有 線通信方式;所述無線通信方式包括ZigBee、藍牙、WiFi、433MHz數(shù)傳方式;所述有線通信方 式包括485總線、CAN總線、互聯(lián)網(wǎng)、電力載波方式。6. 如權(quán)利要求1-5中任一項所述的學生宿舍用電器類型判斷裝置，其特征在于，所述組 合分類器中，決策樹分類器為主分類器，貝葉斯分類器為輔助分類器。7. 如權(quán)利要求6所述的學生宿舍用電器類型判斷裝置，其特征在于，所述組合分類器進 行電器類型判斷的方法是：當主分類器成功實現(xiàn)電器類型判斷時，主分類器的電器類型判 斷結(jié)果為組合分類器的判斷結(jié)果；當主分類器未能實現(xiàn)電器類型判斷，且主分類器的判斷 結(jié)果為2種或者2種以上電器類型，將主分類器輸出的2種或者2種以上電器類型判斷結(jié)果 中，輔助分類器輸出中概率最高的電器類型作為組合分類器的電器類型判斷結(jié)果；當主分 類器未能實現(xiàn)電器類型判斷，且主分類器的判斷結(jié)果中未能給出判斷的電器類型時，將輔 助分類器輸出中概率最高的電器類型作為組合分類器的電器類型判斷結(jié)果。8. 如權(quán)利要求6所述的學生宿舍用電器類型判斷裝置，其特征在于，所述負載電流頻譜 特征通過以下方法獲得： 步驟一、獲取電器負載的穩(wěn)態(tài)電流信號，并將其轉(zhuǎn)換為對應(yīng)的穩(wěn)態(tài)電流數(shù)字信號； 步驟二、對穩(wěn)態(tài)電流數(shù)字信號進行傅立葉變換，得到負載電流頻譜特性； 步驟三、將負載電流頻譜特性中諧波次數(shù)為η次的奇次諧波信號相對幅值作為負載電 流頻譜特征，其中，η = 1，3，···，Μ;所述M表示諧波最高次數(shù)且M大于等于3。9. 如權(quán)利要求6所述的學生宿舍用電器類型判斷裝置，其特征在于，所述啟動電流特征 由信息處理模塊通過以下方法獲得： 步驟1、電器啟動前，開始對電器的負載電流連續(xù)采樣并對負載電流大小進行判斷；當 負載電流有效值大于ε時，判定電器開始啟動并轉(zhuǎn)向步驟2;所述ε為大于0的數(shù)值； 步驟2、對電器的負載電流進行連續(xù)采樣，以工頻周期為單位計算負載電流有效值并保 存;計算最近N個工頻周期的負載電流有效值的平均值；當最近N個工頻周期之內(nèi)的每個工 頻周期的負載電流有效值與該N個工頻周期的負載電流有效值的平均值相比較，波動幅度 均小于設(shè)定的相對誤差范圍E時，判定電器負載進入穩(wěn)定狀態(tài)，轉(zhuǎn)向步驟3;所述N的取值范 圍為50-500;所述E的取值范圍為2%-20% ; 步驟3、將最近N個工頻周期之內(nèi)的負載電流有效值的平均值作為電器負載穩(wěn)態(tài)電流； 將電器開始啟動時刻至最近N個工頻周期起始時刻之間的時間作為啟動過程時間；計算電 器開始啟動后L個工頻周期之內(nèi)的電器負載電流有效值的平均值與電器負載穩(wěn)態(tài)電流之間 的比值，將該比值作為電器的啟動沖激電流;計算電器的啟動過程時間之內(nèi)的電器負載電 流有效值的平均值與電器負載穩(wěn)態(tài)電流之間的比值，將該比值作為電器的啟動平均電流； 計算電器的啟動平均電流與啟動過程時間之間的乘積，將該乘積作為電器的啟動電流沖 量;所述L的取值范圍為1-5。10.如權(quán)利要求9所述的學生宿舍用電器類型判斷裝置，其特征在于，所述組合分類器 的輸入特征還包括電器負載穩(wěn)態(tài)電流。
【文檔編號】G01R31/00GK105891633SQ201610213351
【公開日】2016年8月24日
【申請日】2016年4月8日
【發(fā)明人】凌云, 郭艷杰, 孔玲爽, 聶輝
【申請人】湖南工業(yè)大學