CN111539563A - 一种用能安全状态预测方法、装置、服务器及存储介质 - Google Patents

Abstract

本申请公开了一种用能安全状态预测方法、装置、服务器及存储介质，涉及互联网技术领域，用于提供一种用能安全的事前预警机制，在一定程度上避免用能安全事故的发生，该方法包括：获得第一时刻的第一能耗参数，该第一能耗参数包括设定用能单位在第一时刻的用电数据或燃气数据；将第一能耗参数输入预先训练的能耗预测模型，预测设定用能单位在第二时刻的第二能耗参数；其中，能耗预测模型是将获取的设定用能单位的历史能耗参数作为训练样本进行训练得到的，历史能耗参数标注了耗能场景和历史能耗参数的获取时间；当第二能耗参数超过第二时刻对应的预设能耗参数时，生成告警信息，以提示设定用能单位在第二时刻存在能耗异常。

Description

一种用能安全状态预测方法、装置、服务器及存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及一种用能安全状态预测方法、装置、服务器及存储介质。

背景技术

随着家电用器、燃气器具的普及，用电用气安全受到越来的越多的用户的关注。目前，电器、燃气器具的使用安全通常是在安全事故发生后，分析引起安全事故的原因，进而告诫用户注意用电用气的安全。由此可知，现有技术中缺乏对用能安全的事前预警机制。

发明内容

本申请实施例提供了一种用能安全状态预测方法、装置、服务器及存储介质，用于提供一种用能安全的事前预警机制，在一定程度上避免用能安全事故的发生。

第一方面，提供了一种用能安全状态预测方法，包括：

获得第一时刻的第一能耗参数，所述第一能耗参数包括设定用能单位在所述第一时刻的用电数据或燃气数据；

将所述第一能耗参数输入预先训练的能耗预测模型，预测所述设定用能单位在第二时刻的第二能耗参数；其中，所述能耗预测模型是将获取的所述设定用能单位的历史能耗参数作为训练样本进行训练得到的，所述历史能耗参数标注了耗能场景和所述历史能耗参数的获取时间；

当所述第二能耗参数超过所述第二时刻对应的预设能耗参数时，生成告警信息，以提示所述设定用能单位在所述第二时刻存在能耗异常。

可选的，按照以下任一方式确定所述预设能耗参数：

将所述第二时刻对应耗能场景内获取的所述设定用能单位的历史最大能耗参数作为所述预设能耗参数；或者，

将所述设定用能单位内的所有耗能设备均处于使用状态时对应的能耗参数作为所述预设能耗参数；或者，

将获取的用户自行设置的所述第二时刻的能耗参数作为所述预设能耗参数。

可选的，所述预测模型按照以下方式进行训练：

获取所述设定用能单位的所述历史能耗参数作为能耗训练样本，其中，所述历史能耗参数中的每个能耗参数均标注了预设耗能场景和所述历史能耗参数的获取时间；

提取所述历史能耗参数的时间特征以及耗能场景特征，基于所述时间特征将所述历史能耗参数转为时间序列数据；

利用所述时间特征与所述耗能场景特征对初始的能耗预测模型进行训练。

可选的，在将所述第一能耗参数输入预先训练的能耗预测模型之前，所述方法还包括：

对所述第一能耗参数进行归一化处理，所述归一化处理用于统一所述第一能耗参数的衡量指标。

可选的，所述方法还包括：

获得所述第二时刻所述设定用能单位实际能耗参数以及所述设定用能单位的实际用能安全状态；

若所述实际能耗参数与所述第二能耗参数不相符，则根据所述实际用能安全状态对所述实际能耗参数进行标注，以得到新的能耗训练样本；其中，所述新的能耗训练样本用于更新所述能耗预测模型。

第二方面，提供了一种用能安全状态预测装置，包括：

获得模块，用于获得第一时刻的第一能耗参数，所述第一能耗参数包括设定用能单位在所述第一时刻的用电数据或燃气数据；

预测模块，用于将所述第一能耗参数输入预先训练的能耗预测模型，预测所述设定用能单位在第二时刻的第二能耗参数；其中，所述能耗预测模型是将获取的所述设定用能单位的历史能耗参数作为训练样本进行训练得到的，所述历史能耗参数标注了耗能场景和所述历史能耗参数的获取时间；

提示模块，用于当所述第二能耗参数超过所述第二时刻对应的预设能耗参数时，生成告警信息，以提示所述设定用能单位在所述第二时刻存在能耗异常。

可选的，所述装置还包括确定模块，所述确定模块用于按照以下任一方式确定所述预设能耗参数：

将所述第二时刻对应耗能场景内获取的所述设定用能单位的历史最大能耗参数作为所述预设能耗参数；或者，

将所述设定用能单位内的所有耗能设备均处于使用状态时对应的能耗参数作为所述预设能耗参数；或者，

将获取的用户自行设置的所述第二时刻的能耗参数作为所述预设能耗参数。

可选的，所述装置还包括模型训练模块，所述模型训练模块用于按照以下方式进行训练所述能耗预测模型：

获取所述设定用能单位的所述历史能耗参数作为能耗训练样本，其中，所述历史能耗参数中的每个能耗参数均标注了预设耗能场景和所述历史能耗参数的获取时间；

提取所述历史能耗参数的时间特征以及耗能场景特征，基于所述时间特征将所述历史能耗参数转为时间序列数据；

利用所述时间特征与所述耗能场景特征对初始的能耗预测模型进行训练。

可选的，所述装置还包括处理模块，所述处理模块用于在将所述第一能耗参数输入预先训练的能耗预测模型之前，对所述第一能耗参数进行归一化处理，所述归一化处理用于统一所述第一能耗参数的衡量指标。

可选的，所述模型训练模块还用于：

获得所述第二时刻所述设定用能单位实际能耗参数以及所述设定用能单位的实际用能安全状态；

若所述实际能耗参数与所述第二能耗参数不相符，则根据所述实际用能安全状态对所述实际能耗参数进行标注，以得到新的能耗训练样本；其中，所述新的能耗训练样本用于更新所述能耗预测模型。

第三方面，提供了一种服务器，所述服务器包括存储器、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，所述处理器执行所述计算机程序时实现如上述各方面中的用能安全状态预测方法包括的步骤。

第四方面，提供了一种存储介质，所述存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述各方面中的用能安全状态预测包括的步骤。

本申请实施例中至少具有如下技术效果：

在本申请实施例中，可以获得第一时刻的第一能耗参数，该第一能耗参数包括设定用能单位在第一时刻的用电数据或燃气数据；并将第一能耗参数输入预先训练的能耗预测模型，预测设定用能单位在第二时刻的第二能耗参数；其中，能耗预测模型是将获取的设定用能单位的历史能耗参数作为训练样本进行训练得到的，该历史能耗参数标注了耗能场景和历史能耗参数的获取时间；进而当所第二能耗参数超过所第二时刻对应的预设能耗参数时，生成告警信息，以提示设定用能单位在第二时刻存在能耗异常。因此可以通过能耗预测模型预测设定用能单位在未来某一时刻能耗参数，并根据预测的能耗参数判断设定用能单位是存在用能危险的情况，进而可以生成告警信息提示用户及时检查设定用能单位中的用能设备，避免用户安全事故发生，保障用户的人身、财产安全。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例。

图1为本申请实施例中的用能安全状态预测方法的流程图；

图2a为本申请实施例中的用能安全状态预测装置的结构示意图；

图2b为本申请实施例中的另一用能安全状态预测装置的结构示意图；

图3为本申请实施例中的服务器的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请技术方案的一部分实施例，而不是全部的实施例。基于本申请文件中记载的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请技术方案保护的范围。

需要说明的是，本申请实施例公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请公开的一些方面相一致的装置和方法的例子。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，在不做特别说明的情况下，一般表示前后关联对象是一种“或”的关系。

为了便于理解，首先对本申请实施例所要解决的相关技术问题进行分析：

如前所述，现有的用能安全事故的预防，通常是在安全事故发生后进行宣传预防，但用户的警戒之心通常会随着使用时间而降低，若超过一定时间未发生安全事故，用户可能会在心理上降低使用安全的注意，一旦用户疏忽大意，则可能发生用户安全事故。因此，现有技术中缺乏对用能安全的事前预警机制。

鉴于此，本申请的申请人提供了一种用能安全状态的预测方案，在该方案中，可以获取设定用能单位的历史用电数据或历史用气数据等能耗参数，利用神经网络模型对这些能耗数据进行训练，得到可以用于预测设定用能单位在某一时刻的能耗参数的能耗预测模型，进而可以基于设定用能单位在第一时刻的能耗参数，利用该能耗预测模型对设定用能单位在未来的第二时刻的能耗参数进行预测，那么当预测的能耗参数超过预设的安全能耗参数范围时，则可以生成告警信息，以提示用户设定用能单位的能耗异常。因此，通过对潜在的用能危险状况进行感知预测，可以提示用户提前消除危险，从而提高用能的安全性，避免不必要的财产损失或人身伤亡。

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

请参见图1，图1为本申请实施例提供的一种用能安全状态预测方法的流程图，具体流程描述如下：

步骤101：获得第一时刻的第一能耗参数，该第一能耗参数包括第一时刻的用电数据或燃气数据。

在本申请实施例中，第一能耗参数可以是用户搜集后输入的，也可以从设置的能耗监测设备中自动获取；第一能耗参数可以是1个或者多，本申请实施例中不做具体限制。用电数据可以是设定用能单位在第一时刻的用电量、用电总功率，也可以是在第一时刻时设定用能单位接入的为其供电的电线上的电流或者各个分支电线上的电流，还可以是其他与电相关的参数。燃气数据可以设定用能单位在第一时刻的燃气用量或燃气流通量等。

其中，设定用能单位可以是以1个或多个家庭为单位，也可以是以1个或多个公司为单位，或者也可以任意划定一定的区域范围为单位，本申请实施例中不做具体限制。

步骤102：将第一能耗参数输入预先训练的能耗预测模型，预测设定用能单位在第二时刻的第二能耗参数；其中，能耗预测模型是将获取的设定用能单位历史能耗参数作为训练样本进行训练得到的，历史能耗参数标注了耗能场景和历史能耗参数的获取时间。

在本申请实施例中，可以通过将第一能耗参数输入预先训练得到的能耗预测模型，来预测第二时刻的第二能耗参数。其中，第二时刻可以是前述第一时刻后的任意一个或多个时刻。例如，假设第一时刻为11点整，第二时刻则可以是11点零5分，也可以是11点零5分、11点10分、11点15分等多个时刻，即第二时刻可以是第一时刻之后的按照预定时间间隔对应的多个时刻。

在本申请实施例中，不同的衡量指标往往具有不同的量刚，对应的数值间的差别可能较大，例如，假设同一电器的电流为5安培，电阻为2欧，其对应的电压则可能是10伏特。若不进行处理可能会影响数据分析的结果。为了消除衡量指标的量纲和取值范围差异的影响，需要对数据进行归一化处理。因此，在将第一能耗参数输入预先训练的能耗预测模型之前，可以先对第一能耗参数进行归一化处理，统一第一能耗参数的衡量指标，避免影响能耗预测模型的预测结果。

在本申请实施例中，能耗预测模型是将获取的设定用能单位的历史能耗参数作为训练样本，利用神经网络模型对这些训练样本进行训练得到的。其中，神经网络模型可以是LSTM(Long Short Term Memory networks，长短期记忆模型)，当然也可以是其他类型的神经网络模型；历史能耗参数中的每个能耗参数都标注了其对应的耗能场景和获取时间。

具体的，能耗预测模型可以按照以下方式进行构建：

第一步：获取设定用能单位的历史能耗参数作为能耗训练样本，其中，历史能耗参数中每个能耗参数均标注了预设耗能场景和历史能耗参数的获取时间。

在本申请实施例中，历史能耗参数可以是获取的第一时刻之前的一段时间中各个时刻对应的能耗参数，该一段时间可以是第一时刻之前的3个月、6个月、1年、2年等。优选的，历史能耗参数可以是第一时刻之前的1年时间内按照预定时间间隔采集的设定用能单位的能耗参数，例如，可以是1年时间内、每隔10分钟采集的该设定用能单位的能耗参数。这样，获取的历史能耗参数中包含有四季变化对应的能耗参数，更具有代表性，最终训练得到的能耗预测模型的预测准确度也更高。

在具体的实践过程中，历史能耗参数可以标注有其获取的时间，例如，在X年1月12日13点获取的历史能耗参数，即标注上X年1月12日13点这一时间。进一步地，还可以为历史能耗参数标注上耗能场景，该耗能场景可以是指某一段时间设定用能单位的耗能情况对应的场景。例如，以公司为例，耗能场景可以是上班场景(如早上8点-12点)和下班场景(如下午18点-第二天早上7点)；以家庭为例，耗能场景可以是早餐场景(如早上6:30点-10点)，晚餐场景(如下午18点-23点)、家中无人的场景，大扫除场景、家庭聚餐场景等。由于每个场景下使用的电器设备或燃气器具的数量不相同，各个场景获取的能耗参数也存在一定差异，每个耗能场景，都具有各自特有的耗能情况，为历史能耗参数标注上耗能场景，有助于提升根据历史能耗参数构建的能耗预测模型预测的准确度。

第二步，提取历史能耗参数的时间特征以及耗能场景特征，基于时间特征将该历史能耗参数转为时间序列数据。

在本申请实施例中，在获取设定用能单位的历史能耗参数之后，还可以对历史能耗参数进行数据归一化处理，统一对历史能耗参数的衡量指标，以便于对历史能耗参数的分析处理。

进而，可以提取历史能耗参数的时间特征和耗能场景特征，并基于时间特征将历史能耗参数转化为时间序列数据，即将历史能耗参数按照时间进行排序，组成n*m的矩阵。例如：

第三步，利用时间特征和耗能场景特征对初始的能耗预测模型进行训练。

在本申请实施例中，当提取历史能耗参数的时间特征和耗能场景特征之后，可以按照一定的时间步长将根据历史能耗参数转化等到的时间序列数据输入初始的能耗预测模型进行训练，以构建时间序列数据与耗能场景之间的对应关系，进而可以根据训练结果调整每个耗能场景对应的能耗权重值，当训练得到的能耗预测模型对某一时刻的预测能耗参数与该时刻的实际能耗参数相比，准确度达到预定比例时，则可以将此时训练得到的能耗预测模型作为可以用于进行能耗预测的模型。其中，例如，预定比例可以是95％，即对100个时刻的预测能耗参数中有95个与检测到的实际能耗参数相同。

步骤103：当第二能耗参数超过第二时刻对应的预设能耗参数时，生成告警信息，以提示第二时刻设定用能单位的能耗异常。

在本申请实施例中，第二时刻的预设能耗参数可以是将第二时刻对应耗能场景内获取的设定用能单位的历史最大能耗参数作为预设能耗参数。例如，假设第二时刻为家庭聚餐场景，该耗能场景下家庭对应的历史最大能耗参数为1000瓦特，则可以将该1000瓦特作为预设能耗参数。或者也可以将设定用能单位内的所有耗能设备均处于使用状态时对应的能耗参数作为预设能耗参数；例如，以能耗参数为用电数据，设定用能单位为一个家庭为例，该家庭中共有5个电器，则可以将家庭中这个5个电器都处于正常工作状态时的用电数据作为预设能耗参数。或者还可以将获取的用户自行设置的第二时刻的能耗参数作为预设能耗参数，即由用户自行设置的第二时刻对应的预设能耗参数。由用户自行设置预设能耗参数灵活性较大，用户可以根据自己需要告警提示的场景进行设置，所以可以在一定程度上提升用户的使用体验感受。

在本申请实施例中，当通过能耗预测模型预测得到的第二时刻的第二能耗参数，超过第二时刻对应的预设能耗参数时，表明第二时刻时设定用能单位可能存在用能危险的状况，因此可以生成告警信息，提示用户设定用能单位在第二时刻可能出现能耗异常的情况，以便用户及时检测设定用能单位的用能设备是否存在违规使用或者及时作出防范措施，避免用能安全事故的发生，从而可以提高用能安全，保障用户的人身安全和财产安全。

其中，告警信息可以是以语音的方式在设定用能单位中进行播放第二时刻可能存在能耗异常情况，或者发送用于提示可能存在能耗异常的语音或文本信息到管理用能单位的人员的手机、电脑等终端设备上，以提示设定用能单位的管理人员及时检测用能设备。或者还可以在设定用能单位中的一些带有显示功能的智能设备上显示告警信息，以便用户及时了解设定用能单位的能耗状况，进而及时进行处理，保障设定用能单位的用能安全。

可选的，在本申请实施例中，在预测设定用能单位在第二时刻的第二能耗参数，对第二时刻的用能安全状态之后，可以获取其在第二时刻的实际能耗参数，以及实际用能安全状态，若第二时刻的实际能耗参数与第二能耗参数不相符，则表明能耗预测模型的预测结果不准确，进而可以根据第二时刻的实际用能安全状态对实际能耗参数进行标注，以得到新的能耗训练样本，从而可以利用新的能耗训练样本对能耗预测模型进行训练，以更新能耗预测模型，提升能耗预测模型的预测准确性，进而提升对设定用能单位用能安全状态判断的准确性。

所以，通过上述方法，将获得的第一能耗参数输入预先训练的能耗预测模型，预测设定用能单位在第二时刻的第二能耗参数；进而当第二能耗参数超过第二时刻对应的预设能耗参数时，生成告警信息，以提示设定用能单位在第二时刻存在能耗异常，设定用能单位可能存在用能危险的情况。这样，可以通过能耗预测模型预测设定用能单位在未来某一时刻能耗参数，并根据预测的能耗参数判断设定用能单位是存在用能危险的情况，进而可以生成告警信息提示用户及时检查设定用能单位中的用能设备，避免用户安全事故发生，保障用户的人身、财产安全。

基于同一发明构思，本申请实施例中提供了一种用能安全状态预测装置，该用能安全状态预测装置可以是硬件结构、软件模块、或硬件结构加软件模块。该用能安全状态预测装置可以由芯片系统实现，芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。请参见图2a所示，本申请实施例中的用能安全状态预测装置包括获得模块201、预测模块202和提示模块203，其中：

获得模块201，用于获得第一时刻的第一能耗参数，第一能耗参数包括设定用能单位在第一时刻的用电数据或燃气数据；

预测模块202，用于将第一能耗参数输入预先训练的能耗预测模型，预测设定用能单位在第二时刻的第二能耗参数；其中，能耗预测模型是将获取的设定用能单位的历史能耗参数作为训练样本进行训练得到的，历史能耗参数标注了耗能场景和历史能耗参数的获取时间；

提示模块203，用于当第二能耗参数超过第二时刻对应的预设能耗参数时，生成告警信息，以提示设定用能单位在第二时刻存在能耗异常。

在一种可选的实施方式中，如图2b所示的用能安全预测装置，该装置还包括确定模块204，确定模块204用于按照以下任一方式确定预设能耗参数：

将第二时刻对应耗能场景内获取的设定用能单位的历史最大能耗参数作为预设能耗参数；或者，

将设定用能单位内的所有耗能设备均处于使用状态时对应的能耗参数作为预设能耗参数；或者，

将获取的用户自行设置的第二时刻的能耗参数作为预设能耗参数。

在一种可选的实施方式中，如图2b所示的装置还包括模型训练模块205，该模型训练模块205用于按照以下方式进行训练能耗预测模型：

获取设定用能单位的历史能耗参数作为能耗训练样本，其中，历史能耗参数中的每个能耗参数均标注了预设耗能场景和历史能耗参数的获取时间；

提取历史能耗参数的时间特征以及耗能场景特征，基于时间特征将历史能耗参数转为时间序列数据；

利用时间特征与耗能场景特征对初始的能耗预测模型进行训练。

在一种可选的实施方式中，如图2b所示的装置还包括处理模块206，该处理模块206用于在将第一能耗参数输入预先训练的能耗预测模型之前，对第一能耗参数进行归一化处理，归一化处理用于统一第一能耗参数的衡量指标。

在一种可选的实施方式中，模型训练模块205还用于：

获得第二时刻设定用能单位实际能耗参数以及设定用能单位的实际用能安全状态；

若实际能耗参数与第二能耗参数不相符，则根据实际用能安全状态对实际能耗参数进行标注，以得到新的能耗训练样本；其中，新的能耗训练样本用于更新能耗预测模型。

关于上述实施例中的用能安全状态预测装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，在本申请各个实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

基于同一发明构思，本申请实施例还提供一种服务器，如图3所示，本申请实施例中的服务器包括至少一个处理器301，以及与至少一个处理器301连接的存储器302和通信接口303，本申请实施例中不限定处理器301与存储器302之间的具体连接介质，图3中是以处理器301和存储器302之间通过总线300连接为例，总线300在图3中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。总线300可以分为地址总线、数据总线、控制总线等，为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

在本申请实施例中，存储器302存储有可被至少一个处理器301执行的指令，至少一个处理器301通过执行存储器302存储的指令，可以执行前述的用能安全状态预测方法中所包括的步骤。

其中，处理器301是服务器的控制中心，可以利用各种接口和线路连接整个烹饪设备的各个部分，通过运行或执行存储在存储器302内的指令以及调用存储在存储器302内的数据，计算设备的各种功能和处理数据，从而对计算设备进行整体监控。可选的，处理器301可包括一个或多个处理单元，处理器301可集成应用处理器和调制解调处理器，其中，处理器301主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器301中。在一些实施例中，处理器301和存储器302可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。

处理器301可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器302可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器302是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器302还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。

通信接口303是能够用于进行通信的传输接口，可以通过通信接口303接收数据或者发送数据。用能安全状态预测装置可以通过通信接口303向对应的终端设备发送的能耗异常告警信息。

基于同一发明构思，本申请实施例还提供一种存储介质，该存储介质存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行如前述的用能安全状态预测方法的步骤。

在一些可能的实施方式中，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种用能安全状态预测方法，其特征在于，包括：

获得第一时刻的第一能耗参数，所述第一能耗参数包括设定用能单位在所述第一时刻的用电数据或燃气数据；

将所述第一能耗参数输入预先训练的能耗预测模型，预测所述设定用能单位在第二时刻的第二能耗参数；其中，所述能耗预测模型是将获取的所述设定用能单位的历史能耗参数作为训练样本进行训练得到的，所述历史能耗参数标注了耗能场景和所述历史能耗参数的获取时间；

当所述第二能耗参数超过所述第二时刻对应的预设能耗参数时，生成告警信息，以提示所述设定用能单位在所述第二时刻存在能耗异常。

2.如权利要求1所述的方法，其特征在于，按照以下任一方式确定所述预设能耗参数：

将所述第二时刻对应耗能场景内获取的所述设定用能单位的历史最大能耗参数作为所述预设能耗参数；或者，

将所述设定用能单位内的所有耗能设备均处于使用状态时对应的能耗参数作为所述预设能耗参数；或者，

将获取的用户自行设置的所述第二时刻的能耗参数作为所述预设能耗参数。

3.如权利要求1所述的方法，其特征在于，所述预测模型按照以下方式进行训练：

获取所述设定用能单位的所述历史能耗参数作为能耗训练样本，其中，所述历史能耗参数中的每个能耗参数均标注了预设耗能场景和所述历史能耗参数的获取时间；

提取所述历史能耗参数的时间特征以及耗能场景特征，基于所述时间特征将所述历史能耗参数转为时间序列数据；

利用所述时间特征与所述耗能场景特征对初始的能耗预测模型进行训练。

4.如权利要求1-3任一项所述的方法，其特征在于，在将所述第一能耗参数输入预先训练的能耗预测模型之前，所述方法还包括：

对所述第一能耗参数进行归一化处理，所述归一化处理用于统一所述第一能耗参数的衡量指标。

5.如权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

获得所述第二时刻所述设定用能单位实际能耗参数以及所述设定用能单位的实际用能安全状态；

若所述实际能耗参数与所述第二能耗参数不相符，则根据所述实际用能安全状态对所述实际能耗参数进行标注，以得到新的能耗训练样本；其中，所述新的能耗训练样本用于更新所述能耗预测模型。

6.一种用能安全状态预测装置，其特征在于，包括：

获得模块，用于获得第一时刻的第一能耗参数，所述第一能耗参数包括设定用能单位在所述第一时刻的用电数据或燃气数据；

预测模块，用于将所述第一能耗参数输入预先训练的能耗预测模型，预测所述设定用能单位在第二时刻的第二能耗参数；其中，所述能耗预测模型是将获取的所述设定用能单位的历史能耗参数作为训练样本进行训练得到的，所述历史能耗参数标注了耗能场景和所述历史能耗参数的获取时间；

提示模块，用于当所述第二能耗参数超过所述第二时刻对应的预设能耗参数时，生成告警信息，以提示所述设定用能单位在所述第二时刻存在能耗异常。

7.如权利要求6所述的装置，其特征在于，所述装置还包括确定模块，所述确定模块用于按照以下任一方式确定所述预设能耗参数：

将所述第二时刻对应耗能场景内获取的所述设定用能单位的历史最大能耗参数作为所述预设能耗参数；或者，

将所述设定用能单位内的所有耗能设备均处于使用状态时对应的能耗参数作为所述预设能耗参数；或者，

将获取的用户自行设置的所述第二时刻的能耗参数作为所述预设能耗参数。

8.如权利要求6所述的装置，其特征在于，所述装置还包括模型训练模块，所述模型训练模块用于按照以下方式进行训练所述能耗预测模型：

获取所述设定用能单位的所述历史能耗参数作为能耗训练样本，其中，所述历史能耗参数中的每个能耗参数均标注了预设耗能场景和所述历史能耗参数的获取时间；

提取所述历史能耗参数的时间特征以及耗能场景特征，基于所述时间特征将所述历史能耗参数转为时间序列数据；

利用所述时间特征与所述耗能场景特征对初始的能耗预测模型进行训练。

9.一种服务器，其特征在于，包括至少一个处理器、以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1-5任一项所述方法的步骤。

10.一种存储介质，其特征在于，所述存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如权利要求1-5任一项所述方法的步骤。

Images