基于双边滤波去噪和多小波特征融合的深度学习负荷识别方法、系统及介质

本发明涉及深度学习与负荷识别技术领域，是一种基于双边滤波去噪和多小波特征融合的深度学习负荷识别方法、系统及介质，其先将采集的训练数据集转化为图像并通过双边滤波去噪预处理；再对去噪后图像灰度化，分别用Haar小波变换提取低频与高频分量、Daubechies小波变换提取低频近似及水平、垂直、对角方向高频信息；随后对特征图统一像素并归一化，对类别标签整数编码后划分训练集与测试集，构建含两个分支的卷积神经网络提取深度特征并拼接融合；最后通过全连接层提取融合特征，以稀疏分类交叉熵为损失函数离线训练CNN模型得到负荷识别模型。本发明能提升负荷识别的准确性与稳定性，适配多种用电设备负荷识别场景。