1.一种用电负载类型识别方法，其特征在于，由包括信息采集模块、信息处理模块、通信模块的用电负载识别装置来实现；所述信息采集模块用于采集用电负载的负载电流并转换成电流数字信号；所述电流数字信号被送至信息处理模块；所述信息处理模块依据输入的电流数字信号，采用组合分类器进行用电负载类型识别；所述通信模块用于发送信息处理模块的用电负载类型识别结果至上位机；所述组合分类器的输入特征包括用电负载的启动电流特征和用电负载的负载电流频谱特征；所述组合分类器包括支持向量机分类器和贝叶斯分类器；所述启动电流特征包括启动过程时间、启动电流最大值、启动电流最大值时间。

　　2.如权利要求1所述的用电负载类型识别方法，其特征在于，所述信息采集模块包括电流传感器、前置放大器、滤波器、A/D转换器；所述信息处理模块的核心为DSP，或者为ARM，或者为单片机，或者为FPGA。

　　3.如权利要求2所述的用电负载类型识别方法，其特征在于，所述A/D转换器采用信息处理模块的核心中包括的A/D转换器。

　　4.如权利要求1所述的用电负载类型识别方法，其特征在于，所述信息采集模块、信息处理模块、通信模块的全部或者部分功能集成在一片SoC上。

　　5.如权利要求1所述的用电负载类型识别方法，其特征在于，所述通信模块还接收上位机的相关工作指令；所述通信模块与上位机之间的通信方式包括无线通信方式与有线通信方式；所述无线通信方式包括ZigBee、蓝牙、WiFi、433MHz数传方式；所述有线通信方式包括485总线、CAN总线、互联网、电力载波方式。

　　6.如权利要求1-5中任一项所述的用电负载类型识别方法，其特征在于，所述组合分类器中，支持向量机分类器为主分类器，贝叶斯分类器为辅助分类器。

　　7.如权利要求6所述的用电负载类型识别方法，其特征在于，所述组合分类器进行用电负载类型识别的方法是：当主分类器成功实现用电负载类型识别时，主分类器的用电负载类型识别结果为组合分类器的识别结果；当主分类器未能实现用电负载类型识别，且主分类器的识别结果为2种或者2种以上用电负载类型，将主分类器输出的2种或者2种以上用电负载类型识别结果中，辅助分类器输出中概率最高的用电负载类型作为组合分类器的用电负载类型识别结果；当主分类器未能实现用电负载类型识别，且主分类器的识别结果中未能给出识别的用电负载类型时，将辅助分类器输出中概率最高的用电负载类型作为组合分类器的用电负载类型识别结果。

　　8.如权利要求6所述的用电负载类型识别方法，其特征在于，所述负载电流频谱特征通过以下方法获得：步骤一、获取用电负载的稳态电流信号，并将其转换为对应的稳态电流数字信号；步骤二、对稳态电流数字信号进行傅立叶变换，得到负载电流频谱特性；步骤三、将负载电流频谱特性中谐波次数为n次的奇次谐波信号相对幅值作为负载电流频谱特征，其中，n＝1，3，…，M；所述M表示谐波最高次数且M大于等于3。

　　9.如权利要求6所述的用电负载类型识别方法，其特征在于，所述启动电流特征由信息处理模块通过以下方法获得：步骤1、用电负载启动前，开始对用电负载的负载电流连续采样并对负载电流大小进行判断；当负载电流有效值大于ε时，判定用电负载开始启动并转向步骤2；所述ε为大于0的数值；步骤2、对用电负载的负载电流进行连续采样，以工频周期为单位计算负载电流有效值并保存；计算最近N个工频周期的负载电流有效值的平均值；当最近N个工频周期之内的每个工频周期的负载电流有效值与该N个工频周期的负载电流有效值的平均值相比较，波动幅度均小于设定的相对误差范围E时，判定用电负载进入稳定状态，转向步骤3；所述N的取值范围为50-500；所述E的取值范围为2％-20％；步骤3、将最近N个工频周期之内的负载电流有效值的平均值作为用电负载稳态电流有效值；将用电负载开始启动时刻至最近N个工频周期起始时刻之间的时间作为启动过程时间；将用电负载开始启动时刻至启动过程时间之内负载电流有效值最大的工频周期之间的时间作为启动电流最大值时间；将启动电流最大值时间所在工频周期的负载电流有效值与用电负载稳态电流有效值之间的比值作为启动电流最大值。

　　10.如权利要求9所述的用电负载类型识别方法，其特征在于，所述组合分类器的输入特征还包括用电负载稳态电流有效值。

　　目前，主流的用电负载性质或者电器类型识别方法包括基于负载功率综合系数算法的用电负载识别方法、基于电磁感应的用电负载识别方法、基于神经网络算法的用电负载识别方法、基于周期性离散变换算法的用电负载识别方法等。各种方法均能够在一定程度是实现用电负载性质的识别，但由于特征性质单一，识别手段单一，普遍存在泛化能力不够及不能完全准确识别的问题。