CN109727155A - 基于电量预测的用电控制方法、装置、设备和存储介质 - Google Patents

Abstract

本发明公开了一种基于电量预测的用电控制方法，包括以下步骤：接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息；将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量；获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较；若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略；基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制。本发明还公开了一种基于电量预测的用电控制装置、设备和计算机存储介质。本发明实现了用电自动控制。

Description

基于电量预测的用电控制方法、装置、设备和存储介质

技术领域

本发明涉及用电控制领域，尤其涉及基于电量预测的用电控制方法、装置、设备和计算机存储介质。

背景技术

资源节约型社会是贯彻落实科学发展观的战略部署之一。资源节约涉及到人们生活的方方面面，其中，节约用电是一个极其关键的方面。

对人们生产、生活用电电量的预估和控制成为了节约用电的重要措施，当前的用电电量评估都是基于历史数据作出的，具体地，监测设备实时采集各个楼层用户的用电的历史同期数据，并将历史同期用电数据整理取平均值，将电量的平均值作为未来用电的预测值，即，现有的电量预测必须依赖于历史数据，这样的电量预测方案具有滞后性，由于预测的电量数据不准确，因而并不能根据预估的用电量对用电进行自动控制，如何进行用电自动控制成为了当前亟待解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于电量预测的用电控制方法、装置、设备和存储介质，通过实现用电自动控制，以降低不必要的用电消耗。

为实现上述目的，本发明提供一种基于电量预测的用电控制方法，所述基于电量预测的用电控制方法包括以下步骤：

接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息；

将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量；

获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较；

若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略；

基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制。

可选地，所述接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息的步骤之前，包括：

从预设电量样本集中获取电量样本，将各所述电量样本按预设分类规则进行分类，得到n个电量样本子集；

针对每一个所述电量样本子集执行如下步骤：

将所述电量样本子集作为目标电量样本子集，基于所述目标电量样本子集生成初始回归模型，获取所述n个电量样本子集中去除所述目标电量样本子集的其他电量样本子集，利用所述其他电量样本子集对所述初始回归模型进行迭代训练，得到所述目标电量样本子集对应的回归子模型；

将每个所述目标电量样本子集对应的所述回归子模型进行封装，生成预设回归模型。

可选地，所述将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量的步骤，包括：

将所述用电特征信息输入至预设回归模型的各回归子模型中，通过各所述回归子模型处理所述用电特征信息，得到各所述回归子模型对应的基础用电量；

将各所述基础用电量累加后求取平均值，并将所述平均值作为所述当前时间信息对应的标准用电量。

可选地，所述接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息的步骤，包括：

接收用电监测指令，确定当前时间信息及当前时间信息对应的节假日信息；

通过预设检测装置获取当前时间信息对应的温度信息，将所述温度信息和所述节假日信息作为所述当前时间信息关联的用电特征信息。

可选地，所述若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略的步骤，包括：

若所述实际用电量高于所述标准用电量，则将所述实际用电量与所述标准用电量的差值作为总调整量；

将所述用电特征信息与预设用电优先级表格进行比对，确定各类设备的用电优先级；

按所述总调整量和所述用电优先级确定各类所述设备的调整分量，生成用电控制策略。

可选地，所述基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制的步骤，包括：

确定当前工作的用电设备及所述用电设备的功率，并获取所述用电控制策略中各类所述设备的调整分量；

将所述调整分量按所述功率分配至各所述用电设备，并生成包含所述调整量的用电控制指令；

将所述电控制指令发送至各所述用电设备，以使所述用电设备按所述用电控制指令进行用电控制。

可选地，所述基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制的步骤之后，包括：

当检测到所述用电量控制完成后，获取当前实际用电量；

在检测到当前实际用电量与所述标准用电量的之差超过预设阈值时，按所述用电控制策略进行用电反向调控。

此外，为实现上述目的，本发明还提供一种基于电量预测的用电控制装置，所述基于电量预测的用电控制装置包括：

接收模块，用于接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息；

输入模块，用于将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量；

获取比较模块，用于获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较；

策略确定模块，用于若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略；

控制模块，用于基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制。

此外，为实现上述目的，本发明还提供一种基于电量预测的用电控制设备；

所述基于电量预测的用电控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：

所述计算机程序被所述处理器执行时实现如上所述的基于电量预测的用电控制方法的步骤。

此外，为实现上述目的，本发明还提供计算机存储介质；

所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于电量预测的用电控制方法的步骤。

本发明实施例提出的一种基于电量预测的用电控制方法、装置、设备和计算机存储介质，通过服务器接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息；将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量；获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较；若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略；基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制，本发明中通过预设回归模型处理用电特征信息得到标准用电量，服务器根据计算得到标准用电量、实际用电量和用电特征信息，确定当前工作的用电设备的用电控制策略，并根据用电控制策略生成用电控制指令发送至各个用电设备，以使用电设备根据用电控制指令调节工作状态，本发明中实现了自动用电控制，使得用电控制更加智能灵活。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；

图2为本发明基于电量预测的用电控制方法第一实施例的流程示意图；

图3为本发明基于电量预测的用电控制装置一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的服务器(又叫基于电量预测的用电控制设备，其中，基于电量预测的用电控制设备可以是由单独的基于电量预测的用电控制装置构成，也可以是由其他装置与基于电量预测的用电控制装置组合形成)结构示意图。

本发明实施例服务器指一个管理资源并为用户提供服务的计算机，通常分为文件服务器、数据库服务器和应用程序服务器。运行以上软件的计算机或计算机系统也被称为服务器。相对于普通PC(personal computer)个人计算机来说，服务器在稳定性、安全性、性能等方面都要求较高；如图1所示，该服务器可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，网络接口1004，用户接口1003，存储器1005，通信总线1002、芯片组、磁盘系统、网络等硬件等。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WIFI接口)。存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，服务器还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块；输入单元，比显示屏，触摸屏；网络接口可选除无线接口中除WiFi外，蓝牙、探针、3G/4G/5G(前面的数字表示的是蜂窝移动通信网络的代数。就是表示是第几代的网络。英文字母G表示generation)联网基站设备等等。本领域技术人员可以理解，图1中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，该计算机软件产品存储在一个存储介质(存储介质：又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等，如RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。

在图1所示的服务器中，网络接口1004主要用于连接后台数据库，与后台数据库进行数据通信；用户接口1003主要用于连接客户端(客户端，又叫用户端或终端，本发明实施例终端可以固定终端，也可以是移动终端，其中，固定终端如“物联网设备”、带联网功能的智能空调、智能电灯、智能电源等等；移动终端，如带联网功能的AR/VR设备，智能音箱、自动驾驶汽车、PC，智能手机、平板电脑、电子书阅读器、便携计算机等具有显示功能的终端设备，终端中包含传感器比如光传感器、运动传感器以及其他传感器，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的计算机程序，并执行本发明以下实施例提供的基于电量预测的用电控制方法中的步骤。

本发明基于电量预测的用电控制方法的第一实施例中，所述基于电量预测的用电控制方法包括：

接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息；

将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量；

获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较；

若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略；

基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制。

在第一实施例的步骤之前，需要开发人员先建立预设回归模型，服务器才可以基于该预设回归模型计算一个标准用电量，以根据标准用电量和实际用电量比较结果，确定是否进行用电设备的用电控制，具体地，本实施例中建立预设回归模型的步骤，包括：

步骤S01，从预设电量样本集中获取电量样本，将各所述电量样本按预设分类规则进行分类，得到n个电量样本子集；

服务器从预设电量样本集中获取电量样本，其中，预设电量样本集是指预先存储的历史用电相关信息，服务器从预设电量样本集中获取包含的电量样本，并将各个电量样本按预设分类规则进行分类，得到n个电量样本子集；其中，预设分类规则是指预先设置的电量样本分类规则，例如，预设分类规则设置为采集时间分类规则，即，服务器按照各个电量样本的采集时间进行分类，得到各个年份、各个月份对应的电量样本子集。

例如，服务器将采集的历史用电量和相关信息：2018年6月5日星期二下午13：00-到13：05分的用电量，室外温度30摄氏度，地址广东省深圳室xxx办公楼，工作日等等的信息保存至存储器；在接收到预设回归模型的建立请求时，服务器从存储器中随机抽取一定数量的历史用电量及其相关信息作为电量样本，并将抽取的各个电量样本组成预设电量样本集，服务器将预设电量样本集中的各个电量样本按照电量样本采集时间进行分类，得到不同时间段的n个电量样本子集，其中，各个电量样本子集中的电量样本可能相同也可能不同。

步骤S02，针对每一个所述电量样本子集执行如下步骤：将所述电量样本子集作为目标电量样本子集，基于所述目标电量样本子集生成初始回归模型，获取所述n个电量样本子集中去除所述目标电量样本子集的其他电量样本子集，利用所述其他电量样本子集对所述初始回归模型进行迭代训练，得到所述目标电量样本子集对应的回归子模型；

服务器针对每一个所述电量样本子集执行如下步骤：分别将电量样本子集作为目标电量样本子集，并根据目标电量样本子集生成初始回归模型，其中，初始回归模型的是用电量为f(x)关于用电特征数据的函数，建立初始回归模型是提取目标电量样本子集中的各个样本的特征数据，特征数据包括：时间数据、温度数据、节假日数据，根据预设模型确定时间数据、温度数据、节假日数据与用电量的函数关系，并将该函数关系作为初始回归模型；具体地，根据经验预先设置了一个特征数据与用电量的模型，在建立初始回归模型时，获取目标电量样本子集中的各个电量样本，并将各个电量样本通过等划分状态确定参数初始值，并将确定的参数初始值赋值给预设模型，以得到初始回归模型。

在初始回归模型建立完成后，设置最大的迭代次数和收敛阈值；服务器用除所述目标电量样本子集之外的其他电量样本子集对所述初始回归模型进行迭代训练，直到达到先前设置的迭代次数或已经收敛，此时，可得到最优模型参数，进而根据该最优模型参数获得到所述目标电量样本子集对应的回归子模型。

即，本实施例中服务器将每一个目标电量样本子集生成初始回归模型并迭代训练生成回归子模型是采用XGBoost原理实现的，服务器将用电样本中的用电量作为f(x)并建立f(x)关于特征数据的初始回归模型，服务器将当前时间信息信息、是否为节假日和温度信息的作为特征数据，并为各个特征数据设置相对应的权重，以生成每一个目标电量样本子集对应的初始回归模型，其中，生成的初始回归模型跟上述的特征数据相关。

在初始回归模型生成完成之后，服务器利用除目标电量样本子集之外的n-1个电量样本子集对初始回归模型进行迭代训练，例如，目标电量样本子集对应的初始回归模型为f(x)＝ax+bx²-cx³，其中，a是当前时间信息系数，b是温度系数，c是节假日系数，服务器利用n-1个电量样本子集对初始回归模型进行迭代训练得到目标电量样本子集对应的回归子模型f(x)＝a₁x+b₁x²-c₁x³；服务器生成每一个目标电量样本子集对应的回归子模型。

步骤S03，将每个所述目标电量样本子集对应的所述回归子模型进行封装，生成预设回归模型。

服务器获取每个目标电量样本子集对应的所述回归子模型，将各个回归子模型进行封装，生成预设回归模型，即，本实施例中将训练得到n个回归子模型封装为一个预设回归模型。

在本实施例中根据历史用电信息建立生成预设回归模型。以基于生成的预设回归预测进行用电量预测，基于生成的预设回归预测进行用电量预测可以在有效考虑时序特征的同时并不过多引入时序对时间点的强影响关系，可以有效地检测出异常点，此外，本实施里中在预设回归模型建立的场景下的采用建立多个回归子模型的方式，有效降低了基于预设回归模型进行用电量理论值计算过程中可能产生的过拟合现象。

参照图2，在本发明基于电量预测的用电控制方法的第一实施例中，所述基于电量预测的用电控制方法包括：

步骤S10，接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息。

用户在触发用电监测指令，服务器(或者又叫用电管理平台)接收到用电监测指令时，服务器确定当前时间信息，例如，当前时间信息为：2018年6月27日9:30、周三，服务器获取当前时间信息相关的用电特征信息，其中，用电特征信息是指影响的用电量信息。

即，服务器确定当前时间信息及当前时间信息对应的节假日信息；并通过预设检测装置获取当前时间信息对应的温度信息，其中，预设检测装置是指预先设置的温度检测装置(例如，温度计)，用于采集温度信息，温度信息包括室内温度和室外温度，服务器将温度信息和节假日信息作为当前时间信息关联的用电特征信息，例如，当前时间信息:2018年6月27日上午9:30，在确定当前时间信息之后，服务器根据时间信息获取当前时间信息相关的用电特征信息包括：周三，上班日、前一天上班、后一天上班、位置为xxx办公楼和气温30摄氏度，即，是否为休息日会对用电量产生影响，气温的高低也会对用电量产生影响。

在本实施例中加入特征信息对用电进行预测，可以使得用电预测的结果更加准确，根据用电特征信息进行用电预测，可以有效的排除影响用电的异常因素，对用电的影响使得用电的预测更加准确。

步骤S20，将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量。

服务器将用电特征信息分别输入至所述预设回归模型的各个回归子模型中(预设回归模型：为上述实施例中训练得到的用于预测用电量的模型)，每一个所述回归子模型对用电特征数据进行处理，计算得到一个对应的基础用电量；服务器将计算得到的基础用电量累加后求取平均值作为标准用电量，即，服务器将用电量预测请求中的用电特征信息输入每一个回归子模型中，根据各个回归子模型中的计算公式得到n个基础用电量，服务器将n个基础用电量进行累加求和并计算平均值，并将n个基础用电量累加求和得到的平均值作为该时间信息对应的标准用电量。

例如，各个回归子模型分别为f(x)＝a₁x+b₁x²-c₁x³、f(x)＝a₂x+b₂x²-c₂x³至f(x)＝a_nx+b_nx²-c_nx³等等，服务器将用电特征信息中的温度信息、节假日等信息输入至各个回归子模型，各个回归子模型根据输入的信息进行计算得到基础用电量k₁、k₂直至k_n；标准用电量k＝(k₁+k₂+…+k_n)/n。

在本实施例中，用电预测管理平台将各个回归子模型中处理得到对应的预测值，并将多个预测值进行加和运算得到平均值，并将计算得到的平均值作为当前时间信息对应的标准用电值，本实施例中通过n个回归子模型计算的预测值，求取平均值，有效降低了预测过程中可能产生的过拟合现象，使得电量预测更加准确。

步骤S30，获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较。

服务器获取当前时间信息对应的实际用电量，服务器将实际用电量与标准用电量进行比较，以根据比较结果判断是否进行用电控制，即，若实际用电量小于或等于所述标准用电量，则服务器判定不存在用电浪费(或者不存在是用电异常)的情况，服务器不进行用电量的控制，用电设备按照当前的运行状态进行运行，若所述实际用电量高于所述标准用电量，则服务器判定存在用电浪费(或者存在是用电异常)的情况，服务器对各个用电设备的用电进行控制，具体地：

步骤S40，若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略。

若所述实际用电量高于所述标准用电量，则服务器根据所述实际用电量、所述标准用电量确定调整量(又叫用电异常量)，服务器根据用电特征信息确定各个用电设备的用电优先级(例如，根据用电特征数据中的温度信息，确定空调的用电优先级，根据用电特征数据的中是否为工作日确定办公设备的用电优先级等等)，服务器结合用电调整量和用电设备优先级，确定用电控制策略。

例如，办公楼的标准用电量为40kwh实际用电量为53kwh，用电总调整量为13kwh，然后，服务器根据用电特征信息中的温度信息确定各个用电设备的用电优先级，例如，当前室内温度为23摄氏度，室外温度为33摄氏度，则确定空调的用电优先级低，服务器生成的用电控制策略为：通过降低空调的工作频率来使得实际用电量趋于标准用电量，具体地，各个空调的工作频率调整量可以根据空调的总数和当前工作频率确定。

本实施例中在确定用电控制策略时结合不同的因素考虑，即，综合实际用电量和标准用电量确定调整度，结合用电特征信息确定用电设备的用电优先级，并根据调整度和用电优先级生成用电控制策略，实施用电控制更加智能灵活。

步骤S50，基于所述用电控制策略生成用电控制指令，以调整用电设备的工作状态进行用电控制。

本实施例中根据确定的用电控制策略生成对应的用电控制指令，即，服务器获取用电控制策略中的用电总调整量、各个用电设备的用电优先级、用电设备的数量，各个用电设备的工作情况生成用电控制指令，并将用电控制指令发送至各个用电设备，用电设备根据接收到的用电控制指令调整用电设备的功率，以进行用电设备的用电控制。

本实施例中通过预设回归模型处理用电特征信息得到标准用电量，服务器根据计算得到标准用电量、实际用电量和用电特征信息，确定当前工作的用电设备的用电控制策略，并根据用电控制策略生成用电控制指令发送至各个用电设备，以使用电设备根据用电控制指令调节工作状态，本发明中实现了自动用电控制，使得用电控制更加智能灵活。

在本发明第一实施例的基础上，进一步提出了本发明基于电量预测的用电控制方法的本实施例。

本实施例是本发明第一实施例的中步骤S40的细化，所述基于电量预测的用电控制方法包括：

步骤S41，若所述实际用电量高于所述标准用电量，则将所述实际用电量与所述标准用电量的差值作为总调整量。

若所述实际用电量高于所述标准用电量，则服务器判定存在用电浪费的情况，服务器将所述实际用电量与所述标准用电量做差，并将差值作为总调整量，以将总调整量分配给不同的用电设备进行承担，例如，办公楼的标准用电量为40kwh实际用电量为53kwh，总用电调整量为13kwh，服务器将总用电调整量分解给不同的用电设备进行分担，即，不同的用电设备的功率进行调整，使得实际用电量小于等于标准用电量。

步骤S42，将所述用电特征信息与预设用电优先级表格进行比对，确定各类设备的用电优先级。

服务器将所述用电特征信息与预设用电优先级表格进行比对，得到各类型设备的用电优先级，其中，预设用电优先级规则是指预先设置的不同用电特征信息对应的各类型设备的用电优先级表格，例如：表1，服务器根据预设用电优先级表格确定用电特征信息下各个类型设备的供电优先级。

表1

步骤S43，按所述总调整量和所述用电优先级确定各类所述设备的调整分量，生成用电控制策略。

服务器将按所述总调整量和所述用电优先级确定各类所述设备的调整分量，即，在确定各类型电设备的调整分量时，综合考虑实际用电情况，以生成用电控制策略，例如，总调整量为13kwh，空调的用电优先级低(用电优先级低对应总调整量的60％)，空调的调整分量为6.5kwh；办公设备用电优先级高(用电优先级高对应总调整量的10％)，办公设备的调整分量为1.3kwh；其他设备用电优先级中等(用电优先级高对应总调整量的30％)，办公设备的调整分量为3.9kwh，并对应生成用电控制策略。

在上述实施例的基础上进一步地提出了本实施例，本实施例是第一实施例中步骤S50的细化，所述基于电量预测的用电控制方法包括：

步骤S51，确定当前工作的用电设备及所述用电设备的功率，并获取所述用电控制策略中各类所述设备的调整分量；

服务器与各个用电设备通信连接，服务器可以监测各个用电设备的工作情况，服务器获取当前处于工作状态的各个用电设备及用电设备的功率，服务器获取所述用电控制策略中各类所述设备的调整分量，以使服务器根据当前用电设备的功率和用电控制策略中各类所述设备的调整分量确定各个用电设备对应的调整量。

步骤S52，将所述调整分量按所述功率分配至各所述用电设备，并生成包含所述调整量的用电控制指令；

服务器将所述调整分量按用电设备的功率分配至各所述用电设备，即，服务器确定当前用电设备的空调、电脑、饮水机，服务器获取各类设备的调整分量，并将调整分量对应分配给各个用电设备，并生成包含所述调整量的用电控制指令，其中，用电控制指令可以根据具体的用电器设置，例如，针对空调可以调节工作频率，针对饮水机可以进行断电处理，针对电脑可以调整屏幕亮度等。

需要补充说明的是：在将调整分量按所述功率分配至各所述用电设备时还需要根据实际情况考虑各类用电设备的数量，例如，总调整量为13kwh，空调的用电优先级低，空调的调整分量为6.5kwh；办公设备用电优先级高，办公设备的调整分量为1.3kwh；其他设备用电优先级中，办公设备的调整分量为3.9kwh，服务器根据各个类型设备的功率和设备数量，将各个类型设备的调整分量对应分配给各个工作中的用电设备，生成用电控制指令。

步骤S53，将所述电控制指令发送至各所述用电设备，以使所述用电设备按所述用电控制指令进行用电控制。

服务器在生成用电控制指令后，服务器可以提示用户进行确认，以防止用电控制指令对用电设备工作的影响，在接收到用户授权之后，服务器将所述电控制指令发送至各所述用电设备，以使所述用电设备按所述用电控制指令进行用电控制。

在本实施例在进行用电控制时，综合考虑各个用电设备的实际工作情况，将用电的总调整量，分配给各个用电设备，使得用电调整更加科学。

进一步的，本发明基于电量预测的用电控制方法的第二实施例中，本实施例中还可以更加具体情况对用电设备的工作状态进行恢复，所述基于电量预测的用电控制方法包括：

步骤S60，当检测到所述用电量控制完成后，获取当前实际用电量。

用电设备按照用电控制指令调整用电量，在用电设备调整完成后发送反馈信息至服务器，服务器接收到用电设备的发送的反馈信息时，检测到所述用电量控制完成，服务器获取用电控制调整完成后实际用电量。

步骤S70，在检测到当前实际用电量与所述标准用电量的之差超过预设阈值时，按所述用电控制策略进行用电反向调控。

服务器将当前实际用电量与标准用电量进行比较，在检测到当前实际用电量与所述标准用电量的之差超过预设阈值(预设阈值是指预先设置的用电差值，可根据具体情况设置)时，按所述用电控制策略进行用电反向调控，即，若调整后当前实际用电量偏低，则可能影响实际的工作情况，服务器还可以根据用电控制策略进行用电反向调控，使得用电设备的工作恢复至初始状态。在本实施例中既保证了用电设备的用电控制，又结合实际用电使用情况，使得用电控制更加优化。

此外，参照图3，本发明实施例还提出基于电量预测的用电控制装置，所述基于电量预测的用电控制装置包括：

接收模块10，用于接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息；

输入模块20，用于将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量；

获取比较模块30，用于获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较；

策略确定模块40，用于若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略；

控制模块50，用于基于所述用电控制策略生成用电控制指令，以调整用电设备的工作状态进行用电控制。

可选地，基于电量预测的用电控制装置，包括：

样本获取模块，用于从预设电量样本集中获取电量样本，将各所述电量样本按预设分类规则进行分类，得到n个电量样本子集；

训练模块，用于针对每一个所述电量样本子集执行如下步骤：将所述电量样本子集作为目标电量样本子集，基于所述目标电量样本子集生成初始回归模型，获取所述n个电量样本子集中去除所述目标电量样本子集的其他电量样本子集，利用所述其他电量样本子集对所述初始回归模型进行迭代训练，得到所述目标电量样本子集对应的回归子模型；

模型生成模块，用于将每个所述目标电量样本子集对应的所述回归子模型进行封装，生成预设回归模型。

可选地，所述输入模块20，包括：

信息输入单元，用于将所述用电特征信息输入至预设回归模型的各回归子模型中，通过各所述回归子模型处理所述用电特征信息，得到各所述回归子模型对应的基础用电量；

确定单元，用于将各所述基础用电量累加后求取平均值，并将所述平均值作为所述当前时间信息对应的标准用电量。

可选地，所述接收模块10，包括：

指令接收单元，用于接收用电监测指令，确定当前时间信息及当前时间信息对应的节假日信息；

确定单元，用于通过预设检测装置获取当前时间信息对应的温度信息，将所述温度信息和所述节假日信息作为所述当前时间信息关联的用电特征信息。

可选地，所述策略确定模块40，包括：

调整量确定单元，用于若所述实际用电量高于所述标准用电量，则将所述实际用电量与所述标准用电量的差值作为总调整量；

优先级确定单元，用于将所述用电特征信息与预设用电优先级表格进行比对，确定各类设备的用电优先级；

策略生成单元，用于按所述总调整量和所述用电优先级确定各类所述设备的调整分量，生成用电控制策略。

可选地，所述控制模块50，包括：

确定获取单元，用于确定当前工作的用电设备及所述用电设备的功率，并获取所述用电控制策略中各类所述设备的调整分量；

指令生成单元，用于将所述调整分量按所述功率分配至各所述用电设备，并生成包含所述调整量的用电控制指令；

发送控制单元，用于将所述电控制指令发送至各所述用电设备，以使所述用电设备按所述用电控制指令进行用电控制。

可选地，基于电量预测的用电控制装置，包括：

检测获取模块，用于当检测到所述用电量控制完成后，获取当前实际用电量；

反向控制模块，用于在检测到当前实际用电量与所述标准用电量的之差超过预设阈值时，按所述用电控制策略进行用电反向调控。

其中，基于电量预测的用电控制装置的各个功能模块实现的步骤可参照本发明基于电量预测的用电控制方法的各个实施例，此处不再赘述。

此外，本发明实施例还提出一种计算机存储介质。

所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的基于电量预测的用电控制方法中的操作。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他关联的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于电量预测的用电控制方法，其特征在于，所述基于电量预测的用电控制方法包括以下步骤：

接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息；

将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量；

获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较；

若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略；

基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制。

2.如权利要求1所述的基于电量预测的用电控制方法，其特征在于，所述接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息的步骤之前，包括：

从预设电量样本集中获取电量样本，将各所述电量样本按预设分类规则进行分类，得到n个电量样本子集；

针对每一个所述电量样本子集执行如下步骤：

将所述电量样本子集作为目标电量样本子集，基于所述目标电量样本子集生成初始回归模型，获取所述n个电量样本子集中去除所述目标电量样本子集的其他电量样本子集，利用所述其他电量样本子集对所述初始回归模型进行迭代训练，得到所述目标电量样本子集对应的回归子模型；

将每个所述目标电量样本子集对应的所述回归子模型进行封装，生成预设回归模型。

3.如权利要求1所述的基于电量预测的用电控制方法，其特征在于，所述将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量的步骤，包括：

将所述用电特征信息输入至预设回归模型的各回归子模型中，通过各所述回归子模型处理所述用电特征信息，得到各所述回归子模型对应的基础用电量；

将各所述基础用电量累加后求取平均值，并将所述平均值作为所述当前时间信息对应的标准用电量。

4.如权利要求1所述的基于电量预测的用电控制方法，其特征在于，所述接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息的步骤，包括：

接收用电监测指令，确定当前时间信息及当前时间信息对应的节假日信息；

通过预设检测装置获取当前时间信息对应的温度信息，将所述温度信息和所述节假日信息作为所述当前时间信息关联的用电特征信息。

5.如权利要求1所述的基于电量预测的用电控制方法，其特征在于，所述若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略的步骤，包括：

若所述实际用电量高于所述标准用电量，则将所述实际用电量与所述标准用电量的差值作为总调整量；

将所述用电特征信息与预设用电优先级表格进行比对，确定各类设备的用电优先级；

按所述总调整量和所述用电优先级确定各类所述设备的调整分量，生成用电控制策略。

6.如权利要求1所述的基于电量预测的用电控制方法，其特征在于，所述基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制的步骤，包括：

确定当前工作的用电设备及所述用电设备的功率，并获取所述用电控制策略中各类所述设备的调整分量；

将所述调整分量按所述功率分配至各所述用电设备，并生成包含所述调整量的用电控制指令；

将所述电控制指令发送至各所述用电设备，以使所述用电设备按所述用电控制指令进行用电控制。

7.如权利要求1所述的基于电量预测的用电控制方法，其特征在于，所述基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制的步骤之后，包括：

当检测到所述用电量控制完成后，获取当前实际用电量；

在检测到当前实际用电量与所述标准用电量的之差超过预设阈值时，按所述用电控制策略进行用电反向调控。

8.一种基于电量预测的用电控制装置，其特征在于，所述基于电量预测的用电控制装置包括：

接收模块，用于接收用电监测指令，确定当前时间信息并获取所述当前时间信息关联的用电特征信息；

输入模块，用于将所述用电特征信息输入至预设回归模型，得到所述当前时间信息对应的标准用电量；

获取比较模块，用于获取所述当前时间信息对应的实际用电量，将所述实际用电量与所述标准用电量进行比较；

策略确定模块，用于若所述实际用电量高于所述标准用电量，则根据所述实际用电量、所述标准用电量和所述用电特征信息确定用电控制策略；

控制模块，用于基于所述用电控制策略是生成用电控制指令，以调整用电设备的工作状态进行用电控制。

9.一种基于电量预测的用电控制设备，其特征在于，所述基于电量预测的用电控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：

所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于电量预测的用电控制方法的步骤。

10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于电量预测的用电控制方法的步骤。