朱桂川，周 磊

(杭州电子科技大学微电子 CAD研究所，浙江 杭州 310018)



基于BP神经网络的用电器分类识别技术的研究

朱桂川，周 磊

(杭州电子科技大学微电子 CAD研究所，浙江 杭州 310018)

针对样本与待测电器特征值的欧式距离分类方式在电器识别分类中的局限性，提出了一种基于BP神经网络的分类方法.以电流波形的15次谐波系数作为系统的输入，通过样本数据对神经网络模型进行训练获得分类网络，实现对负载的分类识别.通过实验和应用证明，对用电器能进行有效分类，对于容性和感性等非线性负载的分类识别率在80%以上.与基于欧式距离的分类识别方法相比，具有更高的稳定性、准确性和更强的包容性.

电器分类；BP神经网络；欧式距离；谐波系数

0 引 言

火灾事故的危害性很大，特别是在人口密集居住区.对大功率、高发热用电器的使用进行识别和监控，能及时避免很多悲剧的发生.文献[1-2]分别提出了通过负载瞬态特征和欧式距离来识别用电器类型的方法，但该方法只是单纯依靠瞬态特征或欧式距离进行种类繁多的用电器分类，不同类别用电器数据与样本数据之间的匹配阈值较难确定，可操作性不强.文献[3]利用相关电气信息构建了用电负荷识别模型，检测用电情况及设备状态，但该模型需要采集瞬态和稳态的数据，故实时性不强.近年来模仿生物神经元突触连接结构而建立的神经网络模型被广泛应用.神经网络模型自身具有……