[发明专利]基于电力大数据居家概率预测方法及其设备

说明书

本说明书一个或多个实施例提供一种基于电力大数据居家概率预测方法及其设备，通过获取住户历史用电数据，建立住户用电量预测的时间序列模型，预测住户未来的用电数据，基于对住户未来用电数据的预测，和对住户历史用电数据的对比分析，通过基于数理统计的方法预测住户居家概率，一方面有利于避免机器学习方法对训练数据要求的弊端，另一方面也为人口普查员明确住户是否在家，引导普查员选择合适的时间入户调查提供了准确的依据。

技术领域

本说明书一个或多个实施例涉及居家概率技术领域，尤其涉及基于电力大数据居家概率预测方法及其设备。

背景技术

第七次全国人口普查工作于今年初全面启动，由于人口普查工作要求全覆盖，所以普查最大的痛点就是入户难，找不到人，从而影响普查效率以及普查质量。主要表现在多次入户找不到人，同时由于普查员责任心不强，导致普查数据偏差较大。而根据住户过去的居家数据，预测住户未来居家概率是解决上述问题的一个重要因素。

目前对住户居家概率的预测主要依赖统计的人均用电量，预测住户未来的用电量，同时结合机器学习的方法对住户未来居家概率进行预测，没有通过数据分析的方法对住户的居家概率进行预测，同时，当区域内住户的用电数据不具备训练要求时，则会无法准确对住户未来居家概率进行预测。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于电力大数据居家概率预测方法及其设备，以解决现有技术中预测住户居家概率不准确或者无法预测的问题。

基于上述目的，本说明书一个或多个实施例提供了基于电力大数据居家概率预测方法，包括：

获取住户一段时间内的日用电量数据，并计算出住户平均用电量μ；

根据获取日用电量数据判断住户是否为空置住户；

基于获取的日用电量数据构建时间序列模型，并采用所述的时间序列模型预测住户未来一段时间的日用电量，得住户预测日用电量；

将住户预测日用电量与住户平均用电量μ进行比较，预测住户未来一段时间的居家概率。

可选的，所述根据获取日用电量数据判断住户是否为空置住户，包括：

获取住户日用电量数据，若满足如下条件中的任一个条件：

(1)连续两周用电数据为零；

(2)一个月用电数据为零；

(3)半年用电数据为零；

则判断为空置住户，其居家概率为零。

可选的，所述建时间序列模型为采用用于处理非平稳序列的时间序列模型。

可选的，所述将住户预测日用电量与住户平均用电量μ进行比较，预测住户未来一段时间的居家概率，包括：

分别将住户预测日用电量与住户平均用电量μ进行比较；

若住户预测日用电量高于住户平均用电量μ，则住户未来一段时间在家的概率≥50％；

若住户预测日用电量低于住户平均用电量μ，则住户未来一段时间在家的概率＜50％。

可选的，所述分别将住户预测日用电量与住户平均用电量μ进行比较，包括：

基于住户平均用电量μ，计算出住户用电标准差σ；

基于住户平均用电量μ和住户用电标准差σ，将用户日用电量数据分割成数个区间，得分割区间；

将住户预测日用电量分别和分割区间进行比较。

可选的，所述日用电量数据与居家概率密度服从正态分布。