有限安全环境下的用电设备非侵入式识别OA

针对现有非侵入式负荷识别数据安全环境下加解密计算开销大和添加扰动环境下数据可用性较差问题,基于数据扰动理念,提出一种在有限安全环境下的用电设备非侵入式识别方法。以梅尔倒谱系数(Mel-scale Frequency Cepstral Coefficients,MFCC)作为负荷特征,构建其带宽对应于需要保护的用电数据的子频带的伪随机信号与电流数据进行相加,以遮掩需要保护的电流数据子频带,通过对数据未遮掩子频带进行MFCC特征提取进行SVM的学习与识别。同时利用粒子群算法以皮尔逊相关系数和欧几里得距离作为指标优化需要遮掩的子频带。实验结果表明,所提方案比传统添加随机扰动方案在设备识别率上具有优势,可绕开传统加解密数据带来的计算损耗,在兼顾数据可用性下可以对数据特定频谱信息进行保护。