(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111543038.X (22)申请日 2021.12.16 (71)申请人 国网辽宁省电力有限公司沈阳 供电 公司 地址 110000 辽宁省沈阳市和平区八经街 94号 申请人 国家电网有限公司 (72)发明人 王浩淼　李铁石　白明　王明睿　 赵博远　吴冲　赵昊东　杨勇　 韩放　 (74)专利代理 机构 沈阳维特专利商标事务所 (普通合伙) 21229 代理人 王翠 (51)Int.Cl. G06Q 50/06(2012.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于生成对抗网络的非侵入式家用电力设 备的识别方法 (57)摘要 本发明公开了一种基于生成对抗网络的非 侵入式家用电力设备的识别方法， 该方法首次将 生成对抗网络用于解决训练样本数据不均衡的 问题， 而且将生成对抗网络生 成的训练数据通过 敏感度测量进行二次查验， 将敏感度较高的数据 进行删除， 进一步提高生成数据的真实性， 最终 获得平衡的训练样本数据， 进行分类神经网络模 型的训练， 以实现分类神经网络模 型对于家用电 力设备的准确识别； 该识别方法， 具有方法简单、 易于操作、 识别准确率高等优点。 权利要求书1页 说明书4页 附图1页 CN 114187139 A 2022.03.15 CN 114187139 A 1.一种基于生成对抗网络的非侵入式家用电力设备的识别方法， 其特征在于， 包括如 下步骤： S1： 获取电力用户家 庭的总用电量数据； S2： 将所述电力用户家庭 的总用电量数据输入到已训练完成的分类神经网络模型中， 进行电力设备的类型识别； 其中， 所述已训练完成的分类神经网络模型的具体训练过程 为： S201： 获取用于所述分类神经网络模型的训练样本数据集X； S202： 判断所述训练样本数据集X是否平衡， 若不平衡， 重复执行步骤S203 ‑S204， 若平 衡， 执行步骤S20 5； S203： 采用生成对抗网络对所述训练样本数据集X中少数类样本数据进行生成， 获得生 成样本数据集X1； S204： 采用集成网络H对生成样本数据集X1中的数据逐一进行敏感度测量， 若测量的敏 感度SSM小于阈值， 则将该 数据添加到所述训练样本数据集X中， 否则将该 数据去除； S205： 采用平衡的训练样本数据集X进行分类神经网络模型的训练， 获得训练完成的分 类神经网络模型。 2.根据权利要求1所述基于生成对抗网络的非侵入式家用电力设备的识别方法， 其特 征在于， 步骤S204中， 采用集成网络H对生成样本数据集X1中的数据逐一进行敏感度测量， 具体为： 采用如下公式进行 敏感度计算： 其中， x表示输入数据， H表示集成网络， y表示输入数据x的真实标签， ht(x)表示第t个分 类模型的预测值， T表示分类模型的个数。 3.根据权利要求1或2所述基于生成对抗网络的非侵入式家用电力设备的识别方法， 其 特征在于， 所述 集成网络 其中， h为在数据集X0上训练获得的T个分类模型。 4.根据权利要求3述基于生成对抗网络的非侵入式家用电力设备的识别方法， 其特征 在于， 所述数据集X0为随机 选择训练样本数据集X中的一半数据获得的。权　利　要　求　书 1/1 页 2 CN 114187139 A 2基于生成 对抗网络的非侵入式 家用电力设 备的识别方 法 技术领域 [0001]本发明公开涉及家用电力设备识别的技术领域， 尤其涉及一种基于生成对抗网络 的非侵入式家用电力设备的识别方法。 背景技术 [0002]家用电力设备的识别， 是通过对电力用户家庭的总用电量数据来识别电力用户持 有什么类型的电器， 因此， 电力设备识别也被视为分类问题， 所提出的模型是由数据驱动 的。 [0003]网络模型输入的数据是基于时间序列的， 对于时间序列数据来说， 常规的一维卷 积运算只能从邻域序列中提取到有用的特征， 并不适合时间序列较长的数据的特征提取。 并且对于深度学习模 型来说， 一般网络层 越深， 其准确度越高， 因此深度学习模 型的深度都 会设置很深， 但是如果网络层数太深的话， 又容易出现梯度消失问题。 而一些电器的使用频 率较低， 导致时间序列数据中有很多数据是无意义的数据， 而关键数据特征在神经网络的 传播中容 易被稀释， 引起网络提取的关键特 征变少， 导 致了网络的准确性降低。 [0004]因此， 以往的人工智能模型， 在家用电力设备的识别上， 均 存在识别准确率低的问 题， 如何研发一种新型的家用电力设备的识别方法， 以解决上述问题， 成为人们亟待解决的 问题。 发明内容 [0005]鉴于此， 本发明提供了一种基于生成对抗网络的非侵入式家用电力设备的识别方 法， 以解决以往的家用电力识别方法， 存在准确率低的问题。 [0006]本发明提供的技术方案， 具体为， 一种基于生成对抗网络 的非侵入式家用电力设 备的识别方法， 该 方法包括如下步骤： [0007]S1： 获取电力用户家 庭的总用电量数据； [0008]S2： 将所述电力用户家庭的总用电量数据输入到已训练完成的分类神经网络模型 中， 进行电力设备的类型识别； [0009]其中， 所述已训练完成的分类神经网络模型的具体训练过程 为： [0010]S201： 获取用于所述分类神经网络模型的训练样本数据集X； [0011]S202： 判断所述训练样本数据集X是否平衡， 若不平衡， 重复执行步骤S203 ‑S204， 若平衡， 执 行步骤S20 5； [0012]S203： 采用生成对抗网络对所述训练样本数据集X中少数类样本数据进行生成， 获 得生成样本数据集X1； [0013]S204： 采用集成网络H对生成样本数据集X1中的数据逐一进行敏感度测量， 若测量 的敏感度S SM小于阈值， 则将该 数据添加到所述训练样本数据集X中， 否则将该 数据去除； [0014]S205： 采用平衡的训练样本数据集X进行分类神经 网络模型的训练， 获得训练完成 的分类神经网络模型。说　明　书 1/4 页 3 CN 114187139 A 3