具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明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，以便这里描述的本发明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。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种用电状态的确定方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的用电状态的确定方法，如图1所示，该方法包括如下步骤：

步骤S102，获取按照预设采集频率采集的目标用户群的多种用电数据；

在本申请的一些实施例中，可以基于HPLC(高速载波通信方案High speed PowerLine Communication)技术实现对目标用户群的多种用电数据的高频率，高准确度的实时采集。例如，基于HPLC，可以设定每15分钟采集一次用户的用电数据，并将采集到的全部用电数据存储在数据库中。

在本申请的一些实施例中，上述目标用户群的多种用电数据至少包括电流数据，电压数据，功率因数，用电时段和用电异常情况。其中，所述用电时段可以用于确定采集到的多种用电数据是用电高峰段的数据还是用电低谷段的数据，所述用电异常情况包括用户电流持续为零，电流波动较大，电压过低或过高等。

步骤S104，依据多种用电数据，构建训练数据集，其中，训练数据集中的每个元素为目标用户群中的任意一个目标用户，在任意一个目标采集时间段内被采集的多种用电数据的特征向量，特征向量的维度与多种用电数据的种类数量相同；

在本申请的一些实施例中，将目标用户在目标采集时间段内被采集的多种用电数据转化为对应的特征向量，可以实现基于特征向量之间的距离来衡量任意两组数据之间的相似度，其中，每组数据均为目标用户在任意一个目标采集时间段内被采集的多种用电数据。

在本申请的一些实施例中，在依据多种用电数据，构建训练数据集之前，还需要判断每组数据对应的用电数据中是否存在空白数据，并在判定存在空白数据时，按照目标拟合函数生成与空白数据对应的合理用电数据，并使用合理用电数据替换空白数据，其中，目标拟合函数用于表示与空白数据对应的用电数据类型和采集时间之间的函数关系。

在本申请的一些实施例中，当采集用户数据时，如果某些数据未能被成功采集到，那么当采集到的数据被上传到系统中时，系统会发现采集到的数据中存在空白的数据位，所述空白的数据位即为上述空白数据。

具体地，生成合理用电数据替换空白数据的方法为：确定空白数据对应的用电数据类型以及采集时间点；从目标用户的多种用电数据中，提取用电数据类型的用电数据，构建目标拟合函数，其中，目标拟合函数的自变量为采集时间，因变量为用电数据类型的用电数据；确定拟合函数中，与采集时间点对应的用电数据为合理用电数据，并替换空白数据。

在本申请的一些实施例中，上述目标拟合函数是依据目标用户的历史用电数据拟合得到的。

步骤S106，对训练数据集中的元素进行聚类，得到预设数量个聚类集合，其中，预设数量个聚类集合中的每个聚类集合均对应一种用电状态；

在本申请的一些实施例中，上述用电状态包括用电情况正常，零电流持续时间长度过长，用户电器启动异常，用户电器老化等。

在本申请的一些实施例中，可以通过HPLC采集到的用户用电异常情况来初步确定用户当前的用电状态，例如，当用户电流持续为零，我们可以通过大数据分析出用户是否存在安全隐患。当用户出现电流波动的情况，可以分析出用户电器是否存在使用老化隐患。当用户存在电压过低或过高，可以分析出用电器启动使用异常情况。

在本申请的一些实施例中，对训练数据集中的元素进行聚类，得到预设数量个聚类集合的过程如下：从所述训练数据集中的每个元素中随机选择所述预设数量的初始聚类中心；分别计算所述训练数据集中剩余的元素中各个元素与所述初始聚类中心的距离，并将所述各个元素分配给距离最小的所述初始聚类中心，得到所述预设数量个初始聚类集合；确定所述预设数量个初始聚类集合中每个所述初始聚类集合中的全部元素中各个元素在各个维度上的取值的平均值，并将所述各个维度上的取值的平均值作为新的聚类中心所对应的特征向量在各个维度上的取值，并再次计算所述训练数据集中的各个元素与所述新的聚类中心的距离，并将所述各个元素分配给距离最小的所述聚类中心，得到多个第二聚类集合；对所述多个第二聚类集合重复上述确定聚类中心，并得到新的聚类集合的步骤，直至所述训练数据集中的每个元素均不再改变所属的聚类集合，确定此时的聚类集合为最终聚类集合，此时的聚类中心为最终聚类中心。

在本申请的一些实施例中，由于采集到的电力数据是随着时间的增加而不断增加的，因此，为了保证聚类结果的准确性，在确定此时的聚类集合为最终聚类集合，此时的聚类中心为最终聚类中心之后，还需要在训练数据集中的元素增加量达到预设阈值时，重复确定聚类中心，并得到新的聚类集合的步骤，得到更新后的最终聚类集合和最终聚类中心。

在本申请的一些实施例中，由于不同种类的用户有着不同的用电习惯，比如有的用户由于出差较多，各项用电数据会长期为0，但是对于该类用户而言，各项用电数据长期为0的状态是正常用电状态。因此，在聚类时，还需要考虑到不同类型的电力用户的用电行为特征。具体地，对训练数据集中的元素进行聚类，得到预设数量个聚类集合之前，还需要：依据所述目标用户群的历史用电数据，将所述目标用户群划分为多种类型的电力用户；确定所述多种类型的电力用户中的每种类型的电力用户所对应的特征参数，其中，所述特征参数为确定任意两个特征向量之间的距离时，所述特征向量不同维度的值对所述距离的影响权重；确定所述训练数据集中的每个元素所对应的电力用户类型，从而确定所述每个元素对应的特征参数。上述特征向量的之间的距离可以为欧式距离，曼哈顿距离，切比雪夫距离，余弦距离等在进行K-means聚类时常用的距离。

为了便于理解上述过程，下面结合一个具体实例对上述聚类过程进行解释说明：

假设最终聚类中心对应的特征向量为(A，B)，某个元素对应的特征向量为(C，D)，则在不考虑用户种类对特征参数的影响时，该元素与聚类中心之间的距离为当考虑用户种类对特征参数的影响时，该元素与聚类中心之间的距离为其中k和l为特征参数，取值为大于或等于零的实数。这样，假设该元素所对应的用户种类，第一维度上的数据与用电行为之间无关联，则可以将k设置为0，从而避免了第一维度的数据对距离的影响。

步骤S108，确定与目标用户的当前用电数据匹配的聚类集合，并确定聚类集合的用电状态为目标用户的当前用电状态，其中，目标用户可以为目标用户群中的全部用户。

在本申请的一些实施例中，确定与目标用户的当前用电数据匹配的聚类集合的方法为：确定当前用电数据的目标特征向量；获取目标特征向量与各个最终聚类中心的距离，并确定距离最近的最终聚类中心所对应的最终聚类集合为当前用电数据所对应的聚类集合。

在本申请的一些实施例中，在考虑到用户类型对匹配结果的影响时，确定与目标用户的当前用电数据匹配的聚类集合，包括：确定目标用户的用户类型，并依据用户类型确定对应的特征参数；确定当前用电数据的目标特征向量；依据特征参数，获取目标特征向量与各个最终聚类中心的距离，并确定距离最近的最终聚类中心所对应的最终聚类集合为当前用电数据所对应的聚类集合。

在本申请的一些实施例中，在得到了当前用电状态后，如工作人员认为判断结果与实际情况不符合，则工作人员可以将实际的用电状态反馈到判断模型中，然后判断模型会基于反馈重新执行上述聚类过程。

在本申请的一些实施例中，在确定目标用户的用电情况后，还可以依据用电情况自动生成诊断分析结果，以督办形式自动发送至各属地公司及工作人员，工作人员根据诊断结果开展针对性服务工作。通过对电流、电压数据采集以及智能诊断分析，再到诊断结果督办，均实现了实时、自动化处理，实现了实时监测用户家中存在的电流、电压曲线，并精准锁定用电异常用户,并提供专业技术支持，必要时对客户进行上门服务，排查用电安全隐患、消除用电故障。高效的解决了用户用电过程中的问题，提高了工作人员的服务质量及服务效率。

通过上述步骤，采用获取按照预设采集频率采集的目标用户群的多种用电数据；依据多种用电数据，构建训练数据集，其中，训练数据集中的每个元素为目标用户群中的任意一个目标用户，在任意一个目标采集时间段内被采集的多种用电数据的特征向量，特征向量的维度与多种用电数据的种类数量相同；对训练数据集中的元素进行聚类，得到预设数量个聚类集合，其中，预设数量个聚类集合中的每个聚类集合均对应一种用电状态；确定与目标用户的当前用电数据匹配的聚类集合，并确定聚类集合的用电状态确定述目标用户的当前用电状态的方式，通过对目标用户群的用电数据聚类并确定对应的用电状态，达到了依据采集到的用电数据确定对应的用电状态的目的，从而实现了实时确定用户用电状况的技术效果，进而解决了由于不能实时分析电力用户的用电情况造成的无法及时发现用户家中用电异常情况技术问题。

实施例2

根据本发明实施例，提供了一种用电状态的确定装置的装置实施例，图2是根据本发明实施例的用电状态的确定方法，如图2所示，该装置包括：采集模块20，用于获取按照预设采集频率采集的目标用户群的多种用电数据；处理模块22，用于依据多种用电数据，构建训练数据集，其中，训练数据集中的每个元素为目标用户群中的任意一个目标用户，在任意一个目标采集时间段内被采集的多种用电数据的特征向量，特征向量的维度与多种用电数据的种类数量相同；聚类模块24，用于对训练数据集中的元素进行聚类，得到预设数量个聚类集合，其中，预设数量个聚类集合中的每个聚类集合均对应一种用电状态；匹配模块26，用于确定与目标用户的当前用电数据匹配的聚类集合，并确定聚类集合的用电状态为目标用户的当前用电状态。

由于本申请实施例中所述的用电状态的确定装置，可用于执行上述实施例1中所述的用电状态的确定方法，因此，实施例1中的相关描述也适用于本申请实施例中。

在本申请的一些实施例中，还提供了一种非易失性存储介质，用于存储程序，其中，该程序在运行时控制非易失性存储介质所在的设备执行下述用电状态的确定方法：获取按照预设采集频率采集的目标用户群的多种用电数据；依据多种用电数据，构建训练数据集，其中，训练数据集中的每个元素为目标用户群中的任意一个目标用户，在任意一个目标采集时间段内被采集的多种用电数据的特征向量，特征向量的维度与多种用电数据的种类数量相同；对训练数据集中的元素进行聚类，得到预设数量个聚类集合，其中，预设数量个聚类集合中的每个聚类集合均对应一种用电状态；确定与目标用户的当前用电数据匹配的聚类集合，并确定聚类集合的用电状态为目标用户的当前用电状态。

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。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述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，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。