CN115759444B - 电力设备分配方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了电力设备分配方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：将目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中；将目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息；将风力输出功率预测信息和用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量；将目标区域标识对应的电力设备使用总数量与电力设备可运行数量的比值确定为设备使用率；对用户终端分配电力设备；将目标区域标识发送至警报终端以进行警报处理。该实施方式可以减少电力设备资源的浪费。

Description

电力设备分配方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及电力设备分配方法、装置、电子设备和计算机可读介质。

背景技术

向申请电力设备的用户分配空闲的电力设备(例如，变压器，发电机等)，可以提高电力设备的使用率。目前，分配电力设备，通常采用的方式为：将历史的电力设备分配情况作为当前的电力设备分配情况，或将历史的电力设备可运行数量作为当前的电力设备可运行数量或根据人为估计用电负荷预测信息通过模型得到当前的电力设备可运行数量，确定电力设备分配情况。

然而，采用上述方式通常存在以下技术问题：

第一，将历史的电力设备分配情况作为当前的电力设备分配情况，容易导致电力设备的分配情况的准确度较低，造成电力设备资源的浪费；

第二，将历史的电力设备可运行数量作为当前的电力设备可运行数量，确定电力设备分配情况，容易导致电力设备的分配情况的准确度较低，当较多的电力设备未被使用时，浪费了电力设备资源；

第三，人为估计用电负荷预测信息的准确度较低，得到的电力设备可运行数量的准确度较低，容易导致电力设备的分配情况的准确度较低，当某一区域电力设备较少时，无法满足用户的用电需求，造成用户的等待时间较长。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了电力设备分配方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种电力设备分配方法，该方法包括：获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列；对于上述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：将上述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息；将上述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息；将上述风力输出功率预测信息和上述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量；将上述目标区域标识对应的电力设备使用总数量与上述电力设备可运行数量的比值确定为设备使用率，其中，上述电力设备使用总数量是上述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和；响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，对上述用户终端分配电力设备，其中，上述电力设备申请信息包括：转移次数；响应于确定上述电力设备申请信息包括的转移次数大于目标数值，将上述目标区域标识发送至警报终端以进行警报处理。

第二方面，本公开的一些实施例提供了一种电力设备分配装置，装置包括：获取单元，被配置成获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列；处理单元，被配置成对于上述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：将上述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息；将上述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息；将上述风力输出功率预测信息和上述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量；将上述目标区域标识对应的电力设备使用总数量与上述电力设备可运行数量的比值确定为设备使用率，其中，上述电力设备使用总数量是上述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和；响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，对上述用户终端分配电力设备，其中，上述电力设备申请信息包括：转移次数；响应于确定上述电力设备申请信息包括的转移次数大于目标数值，将上述目标区域标识发送至警报终端以进行警报处理。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的电力设备分配方法，可以减少电力设备资源的浪费。具体来说，造成电力设备资源浪费的原因在于：将历史的电力设备分配情况作为当前的电力设备分配情况，容易导致电力设备的分配情况的准确度较低。基于此，本公开的一些实施例的电力设备分配方法，首先，获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列。其次，对于上述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：第一步，将上述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息。由此，可以根据预先训练的风力输出功率预测信息模型，得到较为准确的风力输出功率预测信息，以便后续得到电力设备可运行数量。第二步，将上述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息。由此，可以根据预先训练的用电负荷预测信息模型，得到较为准确的用电负荷预测信息，以便后续得到电力设备可运行数量。第三步，将上述风力输出功率预测信息和上述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量。由此，可以根据预先训练的电力设备可运行数量识别模型，得到较为准确的电力设备可运行数量，以便后续计算设备使用率。第四步，将上述目标区域标识对应的电力设备使用总数量与上述电力设备可运行数量的比值确定为设备使用率，其中，上述电力设备使用总数量是上述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和。由此，可以得到较为准确的设备使用率，以便后续对用户终端分配电力设备。第五步，响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，对上述用户终端分配电力设备，其中，上述电力设备申请信息包括：转移次数。由此，可以根据较为准确的设备使用率，向用户终端分配电力设备，可以提高电力设备的使用率。第六步，响应于确定上述电力设备申请信息包括的转移次数大于目标数值，将上述目标区域标识发送至警报终端以进行警报处理。由此，可以对电力设备申请信息包括的转移次数较多的目标区域进行警报，以提示增加电力设备。从而，可以减少电力设备资源的浪费。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的电力设备分配方法的一些实施例的流程图；

图2是根据本公开的电力设备分配装置的一些实施例的结构示意图；

图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

参考图1，示出了根据本公开的电力设备分配方法的一些实施例的流程100。该电力设备分配方法，包括以下步骤：

步骤101，获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列。

在一些实施例中，电力设备分配方法的执行主体(例如计算设备)可以通过有线连接或无线连接的方式从终端设备中获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列。其中，预设区域可以是但不限于省级区域、市级区域、县级区域等。目标区域可以是但不限于市级区域、县级区域、小区区域等。目标区域标识可以唯一确定一个目标区域。这里，目标区域标识序列中的目标区域标识是按预设顺序进行排列的。例如，预设顺序可以是目标区域所占面积从大到小的排列顺序。

可选地，在步骤102之前，上述方法还包括：

第一步，获取第一预设时间段内的每个目标区域的风力输出功率信息序列，得到风力输出功率信息序列集。

在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取第一预设时间段内的每个目标区域的风力输出功率信息序列，得到风力输出功率信息序列集。其中，上述风力输出功率信息序列集中的风力输出功率信息序列对应上述目标区域标识序列中的目标区域标识。上述风力输出功率信息序列集包括的风力输出功率信息表征目标区域包括的风力发电站输出的输出功率。这里，上述风力输出功率信息序列集中的风力输出功率信息序列中的风力输出功率信息可以是第一预设时间段内的一时间粒度对应的风力输出功率信息。上述风力发电站可以是将风能转换成电能的发电站。上述时间粒度可以是但不限于十五分钟、一个小时、一天。例如，上述第一预设时间段可以是2022.11.1-2022.11.2。上述第一预设时间段还可以是2022.11.1-2022.11.7。上述第一预设时间段还可以是2022.11.1-2022.11.15。

第二步，获取上述第一预设时间段内的每个目标区域的用电负荷信息序列，得到用电负荷信息序列集。

在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取上述第一预设时间段内的每个目标区域的用电负荷信息序列，得到用电负荷信息序列集。其中，上述用电负荷信息序列集中的用电负荷信息序列对应上述风力输出功率信息序列集中的风力输出功率信息序列。用电负荷信息序列中的用电负荷信息对应风力输出功率信息序列中的风力输出功率信息。上述用电负荷信息序列集中的用电负荷信息序列对应上述目标区域标识序列中的目标区域标识。上述用电负荷信息序列集中的用电负荷信息序列中的用电负荷信息可以是第一预设时间段内的一时间粒度对应的用电负荷信息。用电负荷信息可以表征目标区域包括的各个用户终端的总用电负荷。用户终端可以是需要使用电力设备的终端。电力设备可以是但不限于变压器，发电机等。

第三步，获取第二预设时间段内的每个目标区域的电力设备使用信息，得到电力设备使用信息集。

在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取第二预设时间段内的每个目标区域的电力设备使用信息，得到电力设备使用信息集。其中，上述电力设备使用信息集中的电力设备使用信息包括：用户标识序列和电力设备使用数量序列。上述电力设备使用信息集中的电力设备使用信息对应上述目标区域标识序列中的目标区域标识。一个用户标识对应一个电力设备使用数量。一个用户标识可以唯一确定一个用户。用户可以是需要使用电力设备的用户。上述第二预设时间段可以是上述第一预设时间段包括的最后一个时间粒度的下一个时间粒度所在的时间段。电力设备使用数量可以表征在第二预设时间段内的为目标区域包括的各个用户分配的电力设备的数量。

第四步，获取每个目标区域的开关量信息，得到开关量信息集。

在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取每个目标区域的开关量信息，得到开关量信息集。其中，上述开关量信息集中的开关量信息对应上述目标区域标识序列中的目标区域标识。开关量信息可以表征对应的目标区域是否存在空闲的电力设备。

步骤102，对于上述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：

步骤1021，将上述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息。

在一些实施例中，上述执行主体可以将上述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息。其中，上述风力输出功率预测信息可以是上述第一预设时间段包括的最后一个时间粒度的下一个时间粒度对应的风力输出功率信息。风力输出功率信息可以表征目标区域包括的风力发电站输出的输出功率。上述风力输出功率预测信息模型可以是以风力输出功率信息序列为输入，以风力输出功率预测信息为输出的第一预定义模型。第一预定义模型可以分为三层：

第一层可以是输入层，用于将风力输出功率信息序列传递给第二层。

第二层可以包括：第一子模型和第二子模型。第一子模型可以是以风力输出功率信息序列为输入，以第一风力输出功率预测信息为输出的双向长短期记忆网络模型。第二子模型可以是以风力输出功率信息序列为输入，以第二风力输出功率预测信息为输出的差分整合移动平均自回归模型。

第三层可以是输出层，用于分别接收第一子模型和第二子模型的输出，进行选择后输出。例如，响应于确定上述目标区域表征小区区域，选择第一子模型的输出作为整个第一预定义模型的输出。响应于确定目标区域表征不是小区区域，选择第二子模型的输出作为整个第一预定义模型的输出。

可选地，预先训练的风力输出功率预测信息模型可以是通过以下步骤训练得到的：

第一步，获取训练样本集。

在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取训练样本集。其中，上述训练样本集中的训练样本包括：样本风力输出功率信息序列和样本风力输出功率预测信息。这里，样本风力输出功率信息序列中的样本风力输出功率信息可以是第一预设时间段内的一时间粒度对应的风力输出功率信息。风力输出功率信息可以表征目标区域包括的风力发电站输出的输出功率。样本风力输出功率预测信息可以是上述第一预设时间段包括的最后一个时间粒度的下一个时间粒度对应的风力输出功率信息。

第二步，从上述训练样本集中选取训练样本。

在一些实施例中，上述执行主体可以从上述训练样本集中选取训练样本。实践中，上述执行主体可以随机从上述训练样本集中选取训练样本。

第三步，将上述训练样本包括的样本风力输出功率信息序列输入至初始风力输出功率预测信息模型中，得到初始风力输出功率预测信息。

在一些实施例中，上述执行主体可以将上述训练样本包括的样本风力输出功率信息序列输入至初始风力输出功率预测信息模型中，得到初始风力输出功率预测信息。其中，上述初始风力输出功率预测信息模型可以是未训练的以风力输出功率信息序列为输入，以风力输出功率预测信息为输出的第一预定义模型。

第四步，基于预设的第一损失函数，确定上述初始风力输出功率预测信息与上述训练样本包括的样本风力输出功率预测信息之间的第一差异值。

在一些实施例中，基于预设的第一损失函数，上述执行主体可以确定上述初始风力输出功率预测信息与上述训练样本包括的样本风力输出功率预测信息之间的第一差异值。其中，预设的第一损失函数可以是但不限于：均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。

第五步，基于上述第一差异值，调整上述初始风力输出功率预测信息模型的网络参数。

在一些实施例中，基于上述第一差异值，上述执行主体可以调整上述初始风力输出功率预测信息模型的网络参数。实践中，上述执行主体可以响应于确定上述第一差异值不满足预设第一预设条件，调整上述初始风力输出功率预测信息模型的网络参数。其中，第一预设条件可以是上述第一差异值小于等于第一预设差异值。例如，可以对上述第一差异值和第一预设差异值求差值。在此基础上，利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结(dropout)的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。其中，对于第一预设差异值的设定，不作限定，例如，第一预设差异值可以是0.1。

可选地，响应于上述第一差异值满足第一预设条件，将上述初始风力输出功率预测信息模型确定为训练后的风力输出功率预测信息模型。

在一些实施例中，上述执行主体可以响应于确定上述第一差异值满足第一预设条件，将上述初始风力输出功率预测信息模型确定为训练后的风力输出功率预测信息模型。

步骤1022，将上述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息。

在一些实施例中，上述执行主体可以将上述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息。其中，上述用电负荷预测信息可以是上述第一预设时间段包括的最后一个时间粒度的下一个时间粒度对应的用电负荷信息。上述用电负荷预测信息模型可以是以用电负荷信息序列为输入，以用电负荷预测信息为输出的第二预定义模型。第二预定义模型可以分为三层：

第一层可以是输入层，用于将用电负荷信息序列传递给第二层。

第二层可以包括：第一子模型和第二子模型。第一子模型可以是以用电负荷信息序列为输入，以第一用电负荷预测信息为输出的双向长短期记忆网络模型。第二子模型可以是以用电负荷信息序列为输入，以第二用电负荷预测信息为输出的差分整合移动平均自回归模型。

第三层可以是输出层，用于分别接收第一子模型和第二子模型的输出，以及将第一子模型和第二子模型的输出的加权结果作为整个预定义模型的输出。例如，首先，上述执行主体可以将第一用电负荷预测信息对应的用电负荷与第一权值的乘积确定为第一权值预测用电负荷。其中，第一权值可以是预先设定的对应第一用电负荷预测信息的权值。例如，第一权值可以是0.5。然后，上述执行主体可以将第二用电负荷预测信息对应的用电负荷与第二权值的乘积确定为第二权值预测用电负荷。其中，第二权值可以是预先设定的对应第二用电负荷预测信息的权值。例如，第二权值可以是0.5。之后，上述执行主体可以将第一权值预测用电负荷与第二权值预测用电负荷的和确定为用电负荷预测信息。最后，上述执行主体可以将用电负荷预测信息作为整个第二预定义模型的输出。

可选地，预先训练的用电负荷预测信息模型可以是通过以下步骤训练得到的：

第一步，获取训练样本集。

在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取训练样本集。其中，上述训练样本集中的训练样本包括：样本用电负荷信息序列和样本用电负荷预测信息。这里，样本用电负荷信息序列中的用电负荷信息可以是第一预设时间段内的一时间粒度对应的用电负荷信息。样本用电负荷预测信息可以是上述第一预设时间段包括的最后一个时间粒度的下一个时间粒度对应的用电负荷信息。

第二步，从上述训练样本集中选取训练样本。

在一些实施例中，上述执行主体可以从上述训练样本集中选取训练样本。实践中，上述执行主体可以随机从上述训练样本集中选取训练样本。

第三步，将上述训练样本包括的样本用电负荷信息序列输入至初始用电负荷预测信息模型中，得到初始用电负荷预测信息。

在一些实施例中，上述执行主体可以将上述训练样本包括的样本用电负荷信息序列输入至初始用电负荷预测信息模型中，得到初始用电负荷预测信息。其中，上述初始用电负荷预测信息模型可以是未训练的以用电负荷信息序列为输入，以用电负荷预测信息为输出的第二预定义模型。

第四步，基于预设的第二损失函数，确定上述初始用电负荷预测信息与上述训练样本包括的样本用电负荷预测信息之间的第二差异值。

在一些实施例中，基于预设的第二损失函数，上述执行主体可以确定上述初始用电负荷预测信息与上述训练样本包括的样本用电负荷预测信息之间的第二差异值。其中，预设的第二损失函数可以是但不限于：均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。

第五步，基于上述第二差异值，调整上述初始用电负荷预测信息模型的网络参数。

在一些实施例中，基于上述第二差异值，上述执行主体可以调整上述初始用电负荷预测信息模型的网络参数。实践中，上述执行主体可以响应于确定上述第二差异值不满足第二预设条件，调整上述初始用电负荷预测信息模型的网络参数。其中，第二预设条件可以是上述第二差异值小于等于第二预设差异值。例如，可以对上述第二差异值和第二预设差异值求差值。在此基础上，利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结(dropout)的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。其中，对于第二预设差异值的设定，不作限定，例如，第二预设差异值可以是0.1。

步骤1022中的可选的技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“造成用户的等待时间较长”。造成用户的等待时间较长的因素往往如下：人为估计用电负荷预测信息的准确度较低，得到的电力设备可运行数量的准确度较低，容易导致电力设备的分配情况的准确度较低，当某一区域电力设备较少时，无法满足用户的用电需求。如果解决了上述因素，就能达到可以减少用户的等待时间的浪费的效果。为了达到这一效果，首先，获取训练样本集。其中，上述训练样本集中的训练样本包括：样本用电负荷信息序列和样本用电负荷预测信息。其次，从上述训练样本集中选取训练样本。接着，将上述训练样本包括的样本用电负荷信息序列输入至初始用电负荷预测信息模型中，得到初始用电负荷预测信息。由此，可以得到初始用电负荷预测信息模型输出的初始用电负荷预测信息，以便后续得到第二差异值。之后，基于预设的第二损失函数，确定上述初始用电负荷预测信息与上述训练样本包括的样本用电负荷预测信息之间的第二差异值。由此，可以根据预设的第二损失函数，得到第二差异值，以便后续调整初始用电负荷预测信息模型的网络参数。最后，基于上述第二差异值，调整上述初始用电负荷预测信息模型的网络参数。由此，可以根据第二差异值不断调整初始用电负荷预测信息模型的网络参数，以便得到较为准确的用电负荷预测信息，以便后续得到较为准确的电力设备可运行数量。从而，可以准确的向用户分配电力设备，当电力设备较少时，可以及时将用户的电力设备申请信息转移至下一区域，以便用户及时使用电力设备。进而，可以减少用户的等待时间的浪费。

可选地，响应于上述第二差异值满足第二预设条件，将上述初始用电负荷预测信息模型确定为训练后的用电负荷预测信息模型。

在一些实施例中，上述执行主体可以响应于确定上述第二差异值满足第二预设条件，将上述初始用电负荷预测信息模型确定为训练后的用电负荷预测信息模型。

步骤1023，将上述风力输出功率预测信息和上述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量。

在一些实施例中，上述执行主体可以将上述风力输出功率预测信息和上述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量。其中，上述电力设备可运行数量可以是风力输出功率预测信息和用电负荷预测信息对应的目标区域能够运行的电力设备的数量。预先训练的电力设备可运行数量识别模型可以是以风力输出功率预测信息和用电负荷预测信息为输入，以电力设备可运行数量为输出的线性回归模型。例如，预先训练的电力设备可运行数量识别模型可以是一元线性回归模型。

可选地，预先训练的电力设备可运行数量识别模型可以是通过以下步骤训练得到的：

第一步，获取上述第一预设时间段内的每个目标区域的样本电力设备可运行数量序列，得到样本电力设备可运行数量序列集。

在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取上述第一预设时间段内的每个目标区域的样本电力设备可运行数量序列，得到样本电力设备可运行数量序列集。其中，上述样本电力设备可运行数量序列集中的样本电力设备可运行数量序列对应上述风力输出功率信息序列集中的风力输出功率信息序列。样本电力设备可运行数量序列中的样本电力设备可运行数量对应风力输出功率信息序列中的风力输出功率信息。样本电力设备可运行数量序列集中的样本电力设备可运行数量序列中的样本电力设备可运行数量可以是第一预设时间段内的一时间粒度对应的电力设备可运行数量。

第二步，从上述风力输出功率信息序列集中选取风力输出功率信息。

在一些实施例中，上述执行主体可以从上述风力输出功率信息序列集中选取风力输出功率信息。实践中，上述执行主体可以随机从上述风力输出功率信息序列集中选取风力输出功率信息。

第三步，将上述风力输出功率信息和上述风力输出功率信息对应的用电负荷信息输入至初始电力设备可运行数量识别模型中，得到初始电力设备可运行数量。

在一些实施例中，上述执行主体可以将上述风力输出功率信息和上述风力输出功率信息对应的用电负荷信息输入至初始电力设备可运行数量识别模型中，得到初始电力设备可运行数量。其中，初始电力设备可运行数量识别模型可以是未训练的以风力输出功率预测信息和用电负荷预测信息为输入，以电力设备可运行数量为输出的线性回归模型。例如，预先训练的电力设备可运行数量识别模型可以是一元线性回归模型。

第四步，基于预设的第三损失函数，确定上述初始电力设备可运行数量与上述风力输出功率信息对应的样本电力设备可运行数量之间的第三差异值。

在一些实施例中，基于预设的第三损失函数，上述执行主体可以确定上述初始电力设备可运行数量与上述风力输出功率信息对应的样本电力设备可运行数量之间的第三差异值。其中，预设的第三损失函数可以是但不限于：均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。

第五步，基于上述第三差异值，调整上述初始电力设备可运行数量识别模型的参数。

在一些实施例中，基于上述第三差异值，上述执行主体可以调整上述初始电力设备可运行数量识别模型的参数。实践中，上述执行主体可以响应于确定上述第三差异值不满足第三预设条件，调整上述初始电力设备可运行数量识别模型的参数。其中，第三预设条件可以是上述第三差异值小于等于第三预设差异值。例如，可以对上述第三差异值和第三预设差异值求差值。在此基础上，利用反向传播、梯度下降等方法对上述初始电力设备可运行数量识别模型的参数进行调整。需要说明的是，反向传播算法和梯度下降法是目前广泛研究和应用的公知技术，在此不再赘述。其中，对于第三预设差异值的设定，不作限定，例如，第三预设差异值可以是0.1。

步骤1023中的可选的技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“当较多的电力设备未被使用时，浪费了电力设备资源”。浪费了电力设备资源的因素往往如下：将历史的电力设备可运行数量作为当前的电力设备可运行数量，确定电力设备分配情况，容易导致电力设备的分配情况的准确度较低。如果解决了上述因素，就能达到可以减少电力设备资源的浪费的效果。为了达到这一效果，首先，获取上述第一预设时间段内的每个目标区域的样本电力设备可运行数量序列，得到样本电力设备可运行数量序列集。其次，从上述风力输出功率信息序列集中选取风力输出功率信息。接着，将上述风力输出功率信息和上述风力输出功率信息对应的用电负荷信息输入至初始电力设备可运行数量识别模型中，得到初始电力设备可运行数量。由此，可以得到初始电力设备可运行数量识别模型输出的初始电力设备可运行数量，以便后续计算第三差异值。之后，基于预设的第三损失函数，确定上述初始电力设备可运行数量与上述风力输出功率信息对应的样本电力设备可运行数量之间的第三差异值。由此，可以根据第三损失函数计算第三差异值，以便后续调整初始电力设备可运行数量识别模型的参数。最后，基于上述第三差异值，调整上述初始电力设备可运行数量识别模型的参数。由此，可以基于第三差异值，调整初始电力设备可运行数量识别模型的参数，以便输出较为准确的电力设备可运行数量。从而，可以计算出较为准确的设备使用率，能够更为准确的分配电力设备。进而，可以减少电力设备资源的浪费。

可选地，响应于确定上述第三差异值满足第三预设条件，将上述初始电力设备可运行数量识别模型确定为训练后的电力设备可运行数量识别模型。

在一些实施例中，上述执行主体可以响应于确定上述第三差异值满足第三预设条件，将上述初始电力设备可运行数量识别模型确定为训练后的电力设备可运行数量识别模型。

步骤1024，将上述目标区域标识对应的电力设备使用总数量与上述电力设备可运行数量的比值确定为设备使用率。

在一些实施例中，上述执行主体可以将上述目标区域标识对应的电力设备使用总数量与上述电力设备可运行数量的比值确定为设备使用率。其中，上述电力设备使用总数量是上述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和。

步骤1025，响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，对上述用户终端分配电力设备。

在一些实施例中，上述执行主体可以响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，对上述用户终端分配电力设备。其中，上述电力设备申请信息包括：转移次数。电力设备申请信息可以表征目标区域包括的用户终端需要申请空闲的电力设备。转移次数可以表征电力设备申请信息在各个目标区域之转移的次数。例如，当转移次数为1时，表示对应的电力设备申请信息是从某一区域转移过来的电力设备申请信息。当转移次数为2时，表示对应的电力设备申请信息是从某一区域转移到下一个区域，又从下一个区域转移到当前目标区域的电力设备申请信息。第一预设开关量条件可以是开关量信息表征有空闲的电力设备。第二预设开关量条件可以是开关量信息表征没有空闲的电力设备。

实践中，响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，上述执行主体可以通过以下步骤对上述用户终端分配电力设备：

第一步，响应于确定上述目标区域标识对应的开关量信息满足第一预设开关量条件，执行如下第一分配步骤：

第一子步骤，响应于确定上述设备使用率在预设设备最大使用区间内，将上述电力设备申请信息发送至上述目标区域标识的下一个目标区域标识对应的区域终端，以及将上述电力设备申请信息包括的转移次数更新为转移次数与预设值的和。其中，区域终端可以是目标区域对应的用于分配电力设备的终端。例如，上述预设设备最大使用区间可以是[55％，100％]。预设值可以是1。

第二子步骤，响应于确定上述设备使用率未在上述预设设备最大使用区间内，向上述用户终端分配电力设备。

第二步，响应于确定上述目标区域标识对应的开关量信息满足第二预设开关量条件，执行如下第二分配步骤：

第一子步骤，响应于确定上述设备使用率在上述预设设备最大使用区间内，将上述电力设备申请信息发送至上述目标区域标识的下一个目标区域标识对应的区域终端，以及将上述电力设备申请信息包括的转移次数更新为转移次数与预设值的和。

第二子步骤，将去除了上述目标区域标识的目标区域标识序列确定为备选区域标识序列。

第三子步骤，响应于确定上述设备使用率在预设设备安全使用区间内，以及上述备选区域标识序列中的备选区域标识满足预设设备使用条件，将上述电力设备申请信息发送至上述备选区域标识对应的区域终端，以及将上述电力设备申请信息包括的转移次数更新为转移次数与预设值的和。其中，预设设备使用条件可以是：备选区域标识对应的开关量信息表征有空闲的电力设备，以及上述备选区域标识对应的设备使用率未在上述预设设备最大使用区间内。例如，上述预设设备安全使用区间可以是[35％，55％)。

第四子步骤，响应于确定上述设备使用率在上述预设设备安全使用区间内，以及上述备选区域标识序列满足预设其他使用条件，向上述用户终端分配电力设备。其中，上述预设其他使用条件可以是上述备选区域标识序列中不存在满足上述预设备选使用条件的备选区域标识。

第五子步骤，响应于确定上述设备使用率在预设设备最小使用区间内，向上述用户终端分配电力设备。例如，上述预设设备最小使用区间可以是[0％，35)。

步骤1026，响应于确定上述电力设备申请信息包括的转移次数大于目标数值，将上述目标区域标识发送至警报终端以进行警报处理。

在一些实施例中，上述执行主体可以响应于确定上述电力设备申请信息包括的转移次数大于目标数值，将上述目标区域标识发送至警报终端以进行警报处理。其中，上述警报终端可以是对目标区域进行监测的终端。上述警报处理可以是显示警告性的文字或控制扬声器发出提示音。例如，上述目标数值可以是3。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的电力设备分配方法，可以减少电力设备资源的浪费。具体来说，造成电力设备资源浪费的原因在于：将历史的电力设备分配情况作为当前的电力设备分配情况，容易导致电力设备的分配情况的准确度较低。基于此，本公开的一些实施例的电力设备分配方法，首先，获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列。其次，对于上述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：第一步，将上述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息。由此，可以根据预先训练的风力输出功率预测信息模型，得到较为准确的风力输出功率预测信息，以便后续得到电力设备可运行数量。第二步，将上述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息。由此，可以根据预先训练的用电负荷预测信息模型，得到较为准确的用电负荷预测信息，以便后续得到电力设备可运行数量。第三步，将上述风力输出功率预测信息和上述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量。由此，可以根据预先训练的电力设备可运行数量识别模型，得到较为准确的电力设备可运行数量，以便后续计算设备使用率。第四步，将上述目标区域标识对应的电力设备使用总数量与上述电力设备可运行数量的比值确定为设备使用率，其中，上述电力设备使用总数量是上述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和。由此，可以得到较为准确的设备使用率，以便后续对用户终端分配电力设备。第五步，响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，对上述用户终端分配电力设备，其中，上述电力设备申请信息包括：转移次数。由此，可以根据较为准确的设备使用率，向用户终端分配电力设备，可以提高电力设备的使用率。第六步，响应于确定上述电力设备申请信息包括的转移次数大于目标数值，将上述目标区域标识发送至警报终端以进行警报处理。由此，可以对电力设备申请信息包括的转移次数较多的目标区域进行警报，以提示增加电力设备。从而，可以减少电力设备资源的浪费。

进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种电力设备分配装置的一些实施例，这些电力设备分配装置实施例与图1所示的那些方法实施例相对应，该电力设备分配装置具体可以应用于各种电子设备中。

如图2所示，一些实施例的电力设备分配装置200包括：获取单元201和处理单元202。其中，获取单元201，被配置成获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列；处理单元202，被配置成对于上述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：将上述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息；将上述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息；将上述风力输出功率预测信息和上述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量；将上述目标区域标识对应的电力设备使用总数量与上述电力设备可运行数量的比值确定为设备使用率，其中，上述电力设备使用总数量是上述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和；响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，对上述用户终端分配电力设备，其中，上述电力设备申请信息包括：转移次数；响应于确定上述电力设备申请信息包括的转移次数大于目标数值，将上述目标区域标识发送至警报终端以进行警报处理。

可以理解的是，该电力设备分配装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于电力设备分配装置200及其中包含的单元，在此不再赘述。

下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(例如计算设备)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列；对于上述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：将上述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息；将上述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息；将上述风力输出功率预测信息和上述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量；将上述目标区域标识对应的电力设备使用总数量与上述电力设备可运行数量的比值确定为设备使用率，其中，上述电力设备使用总数量是上述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和；响应于接收到用户终端发送的电力设备申请信息，基于上述设备使用率和上述目标区域标识对应的开关量信息，对上述用户终端分配电力设备，其中，上述电力设备申请信息包括：转移次数；响应于确定上述电力设备申请信息包括的转移次数大于目标数值，将上述目标区域标识发送至警报终端以进行警报处理。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种电力设备分配方法，包括：

获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列；

对于所述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：

将所述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息；

将所述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息，其中，所述用电负荷预测信息模型是以用电负荷信息序列为输入，以用电负荷预测信息为输出的第二预定义模型；

将所述风力输出功率预测信息和所述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量；

将所述目标区域标识对应的电力设备使用总数量与所述电力设备可运行数量的比值确定为设备使用率，其中，所述电力设备使用总数量是所述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和；

响应于接收到用户终端发送的电力设备申请信息，基于所述设备使用率和所述目标区域标识对应的开关量信息，对所述用户终端分配电力设备，其中，所述电力设备申请信息包括：转移次数；

响应于确定所述电力设备申请信息包括的转移次数大于目标数值，将所述目标区域标识发送至警报终端以进行警报处理；

其中，所述预先训练的用电负荷预测信息模型是通过以下步骤训练得到的：

获取训练样本集，其中，所述训练样本集中的训练样本包括：样本用电负荷信息序列和样本用电负荷预测信息；

从所述训练样本集中选取训练样本；

将所述训练样本包括的样本用电负荷信息序列输入至初始用电负荷预测信息模型中，得到初始用电负荷预测信息；

基于预设的第二损失函数，确定所述初始用电负荷预测信息与所述训练样本包括的样本用电负荷预测信息之间的第二差异值；

基于所述第二差异值，调整所述初始用电负荷预测信息模型的网络参数；

响应于所述第二差异值满足第二预设条件，将所述初始用电负荷预测信息模型确定为训练后的用电负荷预测信息模型；

其中，所述第二预定义模型分为三层：第一层是输入层，用于将用电负荷信息序列传递给第二层，第二层包括：第一子模型和第二子模型，第一子模型是以用电负荷信息序列为输入，以第一用电负荷预测信息为输出的双向长短期记忆网络模型，第二子模型是以用电负荷信息序列为输入，以第二用电负荷预测信息为输出的差分整合移动平均自回归模型，第三层是输出层，用于分别接收第一子模型和第二子模型的输出，以及将第一子模型和第二子模型的输出的加权结果作为整个预定义模型的输出。

2.根据权利要求1所述的方法，其中，在所述对于所述目标区域标识序列中的每个目标区域标识，执行如下处理步骤之前，所述方法还包括：

获取第一预设时间段内的每个目标区域的风力输出功率信息序列，得到风力输出功率信息序列集，其中，所述风力输出功率信息序列集中的风力输出功率信息序列对应所述目标区域标识序列中的目标区域标识，所述风力输出功率信息序列集包括的风力输出功率信息表征目标区域包括的风力发电站输出的输出功率；

获取所述第一预设时间段内的每个目标区域的用电负荷信息序列，得到用电负荷信息序列集，其中，所述用电负荷信息序列集中的用电负荷信息序列对应所述风力输出功率信息序列集中的风力输出功率信息序列，用电负荷信息序列中的用电负荷信息对应风力输出功率信息序列中的风力输出功率信息，所述用电负荷信息序列集中的用电负荷信息序列对应所述目标区域标识序列中的目标区域标识；

获取第二预设时间段内的每个目标区域的电力设备使用信息，得到电力设备使用信息集，其中，所述电力设备使用信息集中的电力设备使用信息包括：用户标识序列和电力设备使用数量序列，所述电力设备使用信息集中的电力设备使用信息对应所述目标区域标识序列中的目标区域标识，一个用户标识对应一个电力设备使用数量；

获取每个目标区域的开关量信息，得到开关量信息集，其中，所述开关量信息集中的开关量信息对应所述目标区域标识序列中的目标区域标识。

3.根据权利要求1所述的方法，其中，所述基于所述设备使用率和所述目标区域标识对应的开关量信息，对所述用户终端分配电力设备，包括：

响应于确定所述目标区域标识对应的开关量信息满足第一预设开关量条件，执行如下第一分配步骤：

响应于确定所述设备使用率在预设设备最大使用区间内，将所述电力设备申请信息发送至所述目标区域标识的下一个目标区域标识对应的区域终端，以及将所述电力设备申请信息包括的转移次数更新为转移次数与预设值的和；

响应于确定所述设备使用率未在所述预设设备最大使用区间内，向所述用户终端分配电力设备；

响应于确定所述目标区域标识对应的开关量信息满足第二预设开关量条件，执行如下第二分配步骤：

响应于确定所述设备使用率在所述预设设备最大使用区间内，将所述电力设备申请信息发送至所述目标区域标识的下一个目标区域标识对应的区域终端，以及将所述电力设备申请信息包括的转移次数更新为转移次数与预设值的和；

将去除了所述目标区域标识的目标区域标识序列确定为备选区域标识序列；

响应于确定所述设备使用率在预设设备安全使用区间内，以及所述备选区域标识序列中的备选区域标识满足预设设备使用条件，将所述电力设备申请信息发送至所述备选区域标识对应的区域终端，以及将所述电力设备申请信息包括的转移次数更新为转移次数与预设值的和；

响应于确定所述设备使用率在所述预设设备安全使用区间内，以及所述备选区域标识序列满足预设其他使用条件，向所述用户终端分配电力设备；

响应于确定所述设备使用率在预设设备最小使用区间内，向所述用户终端分配电力设备。

4.根据权利要求1所述的方法，其中，所述预先训练的风力输出功率预测信息模型是通过以下步骤训练得到的：

获取训练样本集，其中，所述训练样本集中的训练样本包括：样本风力输出功率信息序列和样本风力输出功率预测信息；

从所述训练样本集中选取训练样本；

将所述训练样本包括的样本风力输出功率信息序列输入至初始风力输出功率预测信息模型中，得到初始风力输出功率预测信息；

基于预设的第一损失函数，确定所述初始风力输出功率预测信息与所述训练样本包括的样本风力输出功率预测信息之间的第一差异值；

基于所述第一差异值，调整所述初始风力输出功率预测信息模型的网络参数。

5.根据权利要求4所述的方法，其中，所述方法还包括：

响应于所述第一差异值满足第一预设条件，将所述初始风力输出功率预测信息模型确定为训练后的风力输出功率预测信息模型。

6.一种电力设备分配装置，包括：

获取单元，被配置成获取预设区域内的每个目标区域的目标区域标识，得到目标区域标识序列；

处理单元，被配置成对于所述目标区域标识序列中的每个目标区域标识，执行如下处理步骤：将所述目标区域标识对应的风力输出功率信息序列输入至预先训练的风力输出功率预测信息模型中，得到风力输出功率预测信息；将所述目标区域标识对应的用电负荷信息序列输入至预先训练的用电负荷预测信息模型中，得到用电负荷预测信息，其中，所述用电负荷预测信息模型是以用电负荷信息序列为输入，以用电负荷预测信息为输出的第二预定义模型；将所述风力输出功率预测信息和所述用电负荷预测信息输入至预先训练的电力设备可运行数量识别模型中，得到电力设备可运行数量；将所述目标区域标识对应的电力设备使用总数量与所述电力设备可运行数量的比值确定为设备使用率，其中，所述电力设备使用总数量是所述目标区域标识对应的电力设备使用信息包括的各个电力设备使用数量的和；响应于接收到用户终端发送的电力设备申请信息，基于所述设备使用率和所述目标区域标识对应的开关量信息，对所述用户终端分配电力设备，其中，所述电力设备申请信息包括：转移次数；响应于确定所述电力设备申请信息包括的转移次数大于目标数值，将所述目标区域标识发送至警报终端以进行警报处理；

其中，所述预先训练的用电负荷预测信息模型是通过以下步骤训练得到的：

获取训练样本集，其中，所述训练样本集中的训练样本包括：样本用电负荷信息序列和样本用电负荷预测信息；

从所述训练样本集中选取训练样本；

将所述训练样本包括的样本用电负荷信息序列输入至初始用电负荷预测信息模型中，得到初始用电负荷预测信息；

基于预设的第二损失函数，确定所述初始用电负荷预测信息与所述训练样本包括的样本用电负荷预测信息之间的第二差异值；

基于所述第二差异值，调整所述初始用电负荷预测信息模型的网络参数；

响应于所述第二差异值满足第二预设条件，将所述初始用电负荷预测信息模型确定为训练后的用电负荷预测信息模型；

其中，所述第二预定义模型分为三层：第一层是输入层，用于将用电负荷信息序列传递给第二层，第二层包括：第一子模型和第二子模型，第一子模型是以用电负荷信息序列为输入，以第一用电负荷预测信息为输出的双向长短期记忆网络模型，第二子模型是以用电负荷信息序列为输入，以第二用电负荷预测信息为输出的差分整合移动平均自回归模型，第三层是输出层，用于分别接收第一子模型和第二子模型的输出，以及将第一子模型和第二子模型的输出的加权结果作为整个预定义模型的输出。

7.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述方法。

8.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。