【技术实现步骤摘要】
本申请实施例涉及数据分析技术，涉及但不限于一种用电行为预测方法及装置、设备、存储介质。
技术介绍
1、电力大数据是通过发电、配电、输电、销售及管理等各个环节产生的大量数据，由部署在设备上的传感器、安装在电户家中的智能电表等设备产生，在对电力大数据进行处理的过程中，由于电力大数据具有体量大、类型多、产速快的特点，所以对电力大数据进行处理时，会因为数据量过大，导致数据处理过慢，数据分析时延较高。
2、在现有技术中，进行电力大数据处理，是通过带宽较高的服务器进行数据分析处理，但是在现有技术中，随着电力大数据的日渐增长，服务器的带宽压力也越来越大，从而导致电力数据分析成本变高，时效性高的电力数据分析速度变慢。
3、因此，如何在数据量日渐变多的情况下，保证时效性高的电力数据分析速度的稳定，减轻服务器带宽压力，维持系统的稳定性，是一个亟待解决的问题。
技术实现思路
1、有鉴于此，本申请实施例提供的一种用电行为预测方法及装置、设备、存储介质，能够保证时效性高的电力数据分析速度的稳定，减轻服务器带宽压力，维持系统的稳定性。本申请实施例提供的一种用电行为预测方法及装置、设备、存储介质是这样实现的：
2、本申请实施例提供的一种用电行为预测方法，包括：
3、多个边缘设备中的目标边缘设备获取当前收集时间段收集的时效性高于预设时效阈值的电力数据，以及，中心设备获取当前收集时间段收集的时效性低于预设时效阈值的电力数据，电力数据包括数据产生时间、收集设备信息、电力
4、中心设备根据历史时效性低于预设时效阈值的电力数据和当前收集时间段收集的时效性低于预设时效阈值的电力数据进行模型训练得到预设预测模型；
5、目标边缘设备从中心设备获取预设预测模型；
6、目标边缘设备将时效性高于预设时效阈值的电力数据输入到预设预测模型，得到预测时间段的目标预测用电行为结果。
7、在一些实施例中，中心设备根据历史时效性低于预设时效阈值的电力数据和当前收集时间段收集的时效性低于预设时效阈值的电力数据进行模型训练得到预设预测模型，包括：
8、对时效性低于预设时效阈值的电力数据进行特征提取，获取电力数据对应的电力特征，电力数据包括历史时效性低于预设时效阈值的电力数据和当前收集时间段收集的时效性低于预设时效阈值的电力数据，电力特征为与目标预测用电行为相关的特征；
9、对电力特征进行模型训练，获取多次训练后的预设预测模型，预设预测模型用于预测目标用电行为结果。
10、在一些实施例中，中心设备提供调用接口，目标边缘设备通过调用接口从中心设备获取预设预测模型。
11、在一些实施例中，目标边缘设备将时效性高于预设时效阈值的电力数据输入到预设预测模型，得到预测时间段的目标预测用电行为结果之后，还包括：
12、将目标预测用电行为结果返回给中心设备；
13、中心设备根据目标预测用电行为结果与预测时间段对应的实际用电行为数据对预设预测模型进行调整，得到调整后的预设预测模型。
14、在一些实施例中，在中心设备根据目标预测用电行为结果与预测时间段对应的实际用电行为数据对比对预设预测模型进行调整，得到调整后的预设预测模型之后，还包括：
15、中心设备通过心跳机制监测任一边缘设备的在线状态；
16、向处于在线状态的边缘设备发送调整后的预设预测模型。
17、在一些实施例中，多个边缘设备中的目标边缘设备获取当前收集时间段收集的时效性高于预设时效阈值的电力数据，以及，中心设备获取当前收集时间段收集的时效性低于预设时效阈值的电力数据，包括：
18、目标边缘设备通过调用高时效性接口向数据采集设备发送第一电力数据请求，以使数据采集设备响应于第一电力数据请求，向边缘设备发送当前收集时间段收集的时效性高于预设时效阈值的电力数据，以及，
19、中心设备通过调用低时效性接口向数据采集设备发送第二电力数据请求，以使数据采集设备响应于第二电力数据请求，向中心设备发送获取当前收集时间段收集的时效性低于预设时效阈值的电力数据。
20、在一些实施例中，第一电力数据请求和第二电力数据请求中还包括数据采集的时间间隔，第一电力数据请求中指示的时间间隔小于等于预设时间间隔阈值，以及，第二电力数据请求中指示的时间间隔大于预设时间间隔阈值。
21、在一些实施例中，目标边缘设备为多个边缘设备中负载最低的边缘设备。
22、本申请实施例提供的一种用电行为预测装置，包括：
23、获取模块，用于多个边缘设备中的目标边缘设备获取当前收集时间段收集的时效性高于预设时效阈值的电力数据，以及，中心设备获取当前收集时间段收集的时效性低于预设时效阈值的电力数据，电力数据包括数据产生时间、收集设备信息、电力能耗值、数据产生地点和数据收集时间；
24、收集模块，用于中心设备根据历史时效性低于预设时效阈值的电力数据和当前收集时间段收集的时效性低于预设时效阈值的电力数据进行模型训练得到预设预测模型；
25、获取模块，还用于目标边缘设备从中心设备获取预设预测模型；
26、输入模块，用于目标边缘设备将时效性高于预设时效阈值的电力数据输入到预设预测模型，得到预测时间段的目标预测用电行为结果。
27、本申请实施例提供的计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例所述的方法。
28、本申请实施例提供的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的所述的方法。
29、本申请实施例所提供的一种用电行为预测方法、装置、计算机设备和计算机可读存储介质，通过多个边缘设备中的目标边缘设备获取当前收集时间段收集的时效性高于预设时效阈值的电力数据，以及，中心设备获取当前收集时间段收集的时效性低于预设时效阈值的电力数据，电力数据包括数据产生时间、收集设备信息、电力能耗值、数据产生地点和数据收集时间；中心设备根据历史时效性低于预设时效阈值的电力数据和当前收集时间段收集的时效性低于预设时效阈值的电力数据进行模型训练得到预设预测模型；目标边缘设备从中心设备获取预设预测模型；目标边缘设备将时效性高于预设时效阈值的电力数据输入到预设预测模型，得到预测时间段的目标预测用电行为结果。这样，保证了时效性高的电力数据分析速度的稳定，减轻了服务器带宽压力，维持了系统的稳定性，解决
技术介绍
中所提出的技术问题。
【技术保护点】
1.一种用电行为预测方法，其特征在于，应用于用电行为预测系统，所述系统包括多个边缘设备和中心设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述中心设备根据历史时效性低于预设时效阈值的电力数据和当前收集时间段收集的时效性低于预设时效阈值的电力数据进行模型训练得到预设预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述中心设备提供调用接口，所述目标边缘设备通过所述调用接口从所述中心设备获取所述预设预测模型。
4.根据权利要求3所述的方法，其特征在于，所述目标边缘设备将所述时效性高于预设时效阈值的电力数据输入到所述预设预测模型，得到预测时间段的目标预测用电行为结果之后，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，在所述中心设备根据所述目标预测用电行为结果与所述预测时间段对应的实际用电行为数据对所述预设预测模型进行调整，得到调整后的预设预测模型之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述多个边缘设备中的目标边缘设备获取当前收集时间段收集的时效性高于预设时效阈
7.根据权利要求6所述的方法，其特征在于，所述第一电力数据请求和所述第二电力数据请求中还包括数据采集的时间间隔，所述第一电力数据请求中指示的时间间隔小于等于预设时间间隔阈值，以及，所述第二电力数据请求中指示的时间间隔大于预设时间间隔阈值。
8.根据权利要求1所述的方法，其特征在于，所述目标边缘设备为多个边缘设备中负载最低的边缘设备。
9.一种用电行为预测装置，其特征在于，包括：
10.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8任一项所述方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。
...【技术特征摘要】
1.一种用电行为预测方法，其特征在于，应用于用电行为预测系统，所述系统包括多个边缘设备和中心设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述中心设备根据历史时效性低于预设时效阈值的电力数据和当前收集时间段收集的时效性低于预设时效阈值的电力数据进行模型训练得到预设预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述中心设备提供调用接口，所述目标边缘设备通过所述调用接口从所述中心设备获取所述预设预测模型。
4.根据权利要求3所述的方法，其特征在于，所述目标边缘设备将所述时效性高于预设时效阈值的电力数据输入到所述预设预测模型，得到预测时间段的目标预测用电行为结果之后，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，在所述中心设备根据所述目标预测用电行为结果与所述预测时间段对应的实际用电行为数据对所述预设预测模型进行调整，得到调整后的预设预测模型之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：黄星舒，黄晓城，梁伟滔，
申请(专利权)人：联通广东产业互联网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。