[发明专利]用电量的预测方法及装置

权利要求书

1.一种用电量的预测方法，其特征在于，包括：

获取待测试电器的种类和/或用电参数；

使用第一模型处理所述种类和/或用电参数，预测得到所述待测试电器的用电量，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：一个或多个电器的种类和/或用电参数，所述一个或多个电器的用电量。

2.根据权利要求1所述的方法，其特征在于，通过以下方式训练出所述第一模型，包括：

针对所述一个或多个电器，获取每个电器的种类及用电参数，以及实际使用所述一个或多个电器的用电量；

对所述种类、用电参数、和所述用电量的多个数据进行相关性分析，获取每个电器的一个或多个特征，提取彼此之间相关性大于阈值的特征；

依据所述相关性大于阈值的特征，和所述多个数据，训练出所述第一模型。

3.根据权利要求2所述的方法，其特征在于，对所述种类、用电参数、和所述用电量的多个数据进行相关性分析之前，所述方法还包括：

在检测所述多个数据的格式和类型不符合预设条件时，对所述多个数据进行以下操作至少之一：清洗、集成、转换、消减。

4.根据权利要求2所述的方法，其特征在于，对所述种类、用电参数、和所述用电量的多个数据进行相关性分析，获取每个电器的一个或多个特征，提取相关性大于阈值的特征，包括：

对所述多个数据进行相关性分析，获取每个电器的一个或多个特征；

对所述一个或多个电器的特征进行相关性排序，提取彼此之间相关性大于阈值的特征。

5.根据权利要求2所述的方法，其特征在于，依据所述相关性大于阈值的特征，和所述多个数据，训练出所述第一模型，包括：

将所述相关性大于阈值的特征，和所述多个数据，分成训练集和测试集；

使用所述训练集训练所述第一模型，使用所述测试集测试所述第一模型。

6.根据权利要求5所述的方法，其特征在于，使用所述测试集测试所述第一模型之后，包括：

获取测试结果中预测用电量，计算所述预测用电量和实际用电量之间的均方根误差；

依据所述均方根误差确定所述第一模型是否合格。

7.根据权利要求1所述的方法，其特征在于，使用第一模型处理所述种类和/或用电参数，预测得到所述待测试电器的用电量之后，所述方法还包括：

依据所述用电量确定所述待测试电器是否存在异常。

8.一种模型的预测效果的测试方法，其特征在于，包括：

使用第一模型确定测试集的预测用电量，其中，所述第一模型是使用多组数据通过机器学习训练出的第一模型，所述多组数据中的每组数据均包括：一个或多个电器的种类和/或用电参数，所述一个或多个电器的用电量；

计算所述预测用电量和实际用电量之间的均方根误差；

依据所述均方根误差确定所述第一模型是否合格。

9.一种用电量的预测装置，其特征在于，包括：

获取模块，用于获取待测试电器的种类和/或用电参数；

处理模块，用于使用第一模型处理所述种类和/或用电参数，预测得到所述待测试电器的用电量，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：一个或多个电器的种类和/或用电参数，所述一个或多个电器的用电量。

10.一种模型的预测效果的测试装置，其特征在于，包括：

第一确定模块，用于使用第一模型确定测试集的预测用电量，其中，所述第一模型是使用多组数据通过机器学习训练出的第一模型，所述多组数据中的每组数据均包括：一个或多个电器的种类和/或用电参数，所述一个或多个电器的用电量；

计算模块，用于计算所述预测用电量和实际用电量之间的均方根误差；

第二确定模块，用于依据所述均方根误差确定所述第一模型是否合格。