用电管理方法、装置、计算机设备和存储介质与流程

本申请涉及电力技术领域，特别是涉及一种用电管理方法、装置、计算机设备和存储介质。

背景技术：

随着计算机技术的进步和社会的发展，人们对用电的依赖程度越来越高，对用电要求也越来越高。目前，随着电力改革的进行，配售分离日益成型，售电市场的竞争日趋激烈。电力企业需要通过管理用电来满足人们的需求，留住更多的电力用户，提升电力用户的价值与自身价值，达到电力用户与电力企业的互利。

然而，传统的用电管理方法，无法准确地反映用电需求，存在电力资源不协调的问题。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够准确地反映电力用户的用电需求，协调电力资源的用电管理方法、装置、计算机设备和存储介质。

一种用电管理方法，方法包括：

获取电力用户的历史用电信息与用电管理决策信息；

对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；

根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；

根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；

根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。

一种用电管理装置，其特征在于，装置包括：

获取模块，用于获取电力用户的历史用电信息与用电管理决策信息；

归一化模块，用于对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；

聚类处理模块，用于根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；

关联处理模块，用于根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；

电力用户分类模型生成模块，用于根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。

一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述评标报告生成方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述评标报告生成方法的步骤。

上述用电管理方法、装置、计算机设备和存储介质，通过获取电力用户的历史用电信息与用电管理决策信息；接着对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；然后根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；再根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；最后根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。通过电力用户分类模型可以得到电力用户的用电特征，准确地反映电力用户的用电需求，并协调电力资源。

附图说明

图1为一个实施例中用电管理方法的应用环境图；

图2为一个实施例中用电管理方法的流程示意图；

图3为一个实施例中归一化处理步骤的流程示意图；

图4为一个实施例中用电管理装置的结构框图；

图5为另一个实施例中用电管理装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的用电管理方法，可以应用于如图1所示的应用环境中。其中，电力用户使用的终端104与服务器102通过网络进行通信，终端104可以将电力用户的历史用电信息和用电管理决策信息可以上传到服务器102上进行存储。然后服务器102可以获取电力用户的历史用电信息与用电管理决策信息；接着对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；然后根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；再根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；最后根据关联处理结果建立电力用户分类模型，电力用户分类模型用于对电力用户的用电行为进行管理。其中，终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种用电管理方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤202，获取电力用户的历史用电信息与用电管理决策信息。

其中，电力用户指的是接入电力资源的用户，可以包括但不限定家庭用户、企业用户、政府用户等。历史用电信息可以是日用电量、月用电量、峰值负荷、用电时段等不同维度信息。用电管理决策信息可以是用户消费能力信息、缴费信息、客服信息等。其中，用户消费能力信息可以包括收入水平、消费水平等不同维度信息；缴费信息可以包括账单发布日、缴费期限日、用电费用等级、缴费渠道偏好、缴费及时性等不同维度信息；客服信息可以包括缴费反馈、停电投诉等不同维度信息。

具体地，可以实时获取电力用户的历史用电信息与用电管理决策信息，也可以定期获取电力用户的历史用电信息与用电管理决策信息，如每天的24时获取当天电力用户的历史用电信息与用电管理决策信息。

获取电力用户的历史用电信息与用电管理决策信息之后，可以按照历史用电信息和用电管理决策信息生成excel表格或者word文档等，并存储在终端的存储设备中，便于电力企业查看。

在一个实施例中，获取电力用户的历史用电信息与用电管理决策信息之后，可以将电力用户的历史用电信息与用电管理决策信息按照时间的顺序生成电力用户的用电管理时序图，并在历史用电信息改变的时间节点生成备注信息，如电力用户在5月12日16点38分50秒用电增多5kw·h、在5月18日16点56分50秒缴费成功，等等。

在一个实施例中，获取电力用户的历史用电信息与用电管理决策信息之后，也可以将电力用户的历史用电信息与用电管理决策信息按照位置的关系生成电力用户的用电管理地图，在用电管理地图上显示各个电力用户的具体位置和电力用户标识，通过点击电力用户标识可以进入电力用户的信息交互界面，通过切换信息交互界面可以显示电力用户的用电管理时序图，或者电力用户的历史用电信息和用电管理决策信息生成的excel表格或者word文档等。

步骤204，对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征。

其中，归一化处理指的是在电力用户的相同维度中，将各个历史用电信息与用电管理决策信息的数值分别映射到0-1之间，目的是使不同的信息采用统一标准，便于后续的计算。历史用电特征指的是历史用电信息在归一化处理后得到的用于表示电力用户用电特征的信息；用电管理决策特征指的是用电管理决策信息在归一化处理后得到的用于表示电力用户用电特征的信息。

具体地，归一化处理可参照以下公式得到：

其中，lij指的是电力用户i在历史用电信息或者用电管理决策信息的其中一个维度j的数值，min(j)指的是所有电力用户在历史用电信息或者用电管理决策信息的其中一个维度j的最小数值，max(j)指的是历史用电信息或者用电管理决策信息的其中一个维度j的最大数值，kij指的是归一化处理之后的电力用户i在历史用电特征或者用电管理决策特征的其中一个维度j的数值。

例如，有五个电力用户，在日用电量这个维度j＝1中，历史用电信息的日用电量分别为l11＝5kw·h，l21＝10kw·h，l31＝11kw·h，l41＝15kw·h，l51＝20kw·h，则min(j)＝5kw·h，max(j)＝20kw·h，则归一化处理后

即归一化处理后的五个电力用户的日用电量的历史用电特征分别为k11＝0，k21＝0.33，k31＝0.4，k41＝0.67，k51＝1。

进一步，可以获取电力用户的历史用电信息对应的用电信息参考范围，以及用电管理决策信息对应的决策信息参考范围；对在用电信息参考范围内的历史用电信息进行归一化处理，得到历史用电特征；对在决策信息参考范围内的用电管理决策信息进行归一化处理，得到用电管理决策特征。

步骤206，根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果。

其中，聚类处理指的是在同一维度中将历史用电特征或者用电管理决策特征进行分类的处理方法。

具体地，在同一维度中，将归一化处理后得到的历史用电特征或者用电管理决策特征进行分类，得到同一维度中历史用电特征或者用电管理决策特征的聚类处理结果。将历史用电特征中包含的各个维度与用电管理决策特征中包含的各个维度依次地进行分类，得到历史用电特征中包含的各个维度与用电管理决策特征中包含的各个维度的聚类处理结果。

例如，在用户消费能力信息的收入水平这一维度中，将获取的电力用户的收入水平这一维度的用电管理决策信息归一化处理之后，得到了电力用户的收入水平这一维度的用电管理决策特征，然后将得到的电力用户的收入水平这一维度的用电管理决策特征进行聚类处理，得到聚类处理结果，如聚类处理结果为三类：收入水平富裕，收入水平小康，收入水平贫困。

进一步，根据历史用电特征进行聚类处理得到第一聚类处理结果，并根据用电管理决策特征进行聚类处理得到第二聚类处理结果。

进一步，根据历史用电特征中包含的各个维度的第一特征分别进行聚类处理，得到电力用户对应的第一聚类标签；根据用电管理决策特征中包含的各个维度的第二特征分别进行聚类处理，得到电力用户对应的第二聚类标签。

步骤208，根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果。

其中，关联处理指的是将历史用电特征与用电管理决策特征进行关联，获取历史用电特征与用电管理决策特征之间的关联关系。

具体地，根据历史用电特征中包含的各个维度与用电管理决策特征中包含的各个维度的聚类处理结果，将历史用电特征中包含的各个维度与用电管理决策特征中包含的各个维度进行关联处理，得到关联处理结果。

例如，历史用电特征中包含的月用电量这一维度与用电管理决策特征中包含的收入水平这一维度的聚类处理结果，月用电量聚类处理结果为三类：月用电量较少、月用电量中等、月用电量较多；收入水平聚类处理结果为三类：收入水平富裕、收入水平小康、收入水平贫困。

将历史用电特征中包含的月用电量这一维度与用电管理决策特征中的收入水平这一维度进行关联处理，得到月用电量与收入水平的关联处理结果(月用电量较少；收入水平富裕)、(月用电量中等；收入水平富裕)、(月用电量较多；收入水平富裕)、(月用电量中等；收入水平富裕)、(月用电量中等；收入水平小康)、(月用电量中等；收入水平贫困)、(月用电量较多；收入水平富裕)、(月用电量较多；收入水平小康)、(月用电量较多；收入水平贫困)。

进一步，通过关联处理结果生成关联规则。其中，在本实施例中，关联规则指的是历史用电特征与用电管理决策特征的关联性强弱而生成的一条规则。其中，关联性强弱可以由关联处理的结果体现。

例如，根据关联处理的结果，当(月用电量中等；收入水平小康)出现的次数较多时，则生成一条关联规则：(月用电量中等)→(收入水平小康)，即电力用户的“收入水平小康”与“月用电量中等”的关联关系较强。

进一步，获取第一聚类处理结果与第二聚类处理结果生成的关联集合；统计每一个关联集合对应的支持度；根据支持度得到历史用电特征与用电管理决策特征的关联处理结果。

进一步，获取第一聚类处理结果与第二聚类处理结果生成的关联集合，包括以下步骤：从第一聚类标签中获取第一目标聚类标签，并从第二聚类标签中获取第二目标聚类标签；根据第一目标聚类标签和第二目标聚类标签生成关联集合。

进一步，统计每一个关联集合对应的支持度包括以下步骤：根据每一个电力用户的第一聚类标签和第二聚类标签，生成对应的聚类标签集合；统计每一个关联集合在聚类标签集合中出现的次数；根据次数计算每一个关联集合对应的支持度。

步骤210，根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。

其中，电力用户分类模型可以包括但不限定为老人家庭、上班族、空置房、商业居民、企业等。

具体地，根据关联处理结果可以生成关联规则，根据关联规则建立对应的电力用户分类模型。根据电力用户所属的电力用户分类模型，可以对电力用户的用电行为进行管理。

例如，得到的关联处理结果中包含一条关联规则：(用电时段晚上和假期，月用电量中等)→(收入水平中等，消费水平中等，缴费渠道偏好线上)，则该关联规则表示“收入水平中等、消费水平中等、缴费渠道偏好线上”的电力用户“用电时段为晚上和假期，并且月用电量中等”。那么可以根据此条关联规则得到对应的用户分类为“上班族”。根据另一条关联处理结果中包含的关联规则：(月用电量较少，峰值负荷较小)→(用电费用等级一级，缴费不及时)，该条关联规则表示“用电费用等级越低，表示用电费用越低，表示用电费用低且缴费不及时”的电力用户月用电量较少且峰值负荷较小。那么可以根据此条关联规则得到对应的用户分类为“空置房”。以此类推，根据上述方法可以得到所有的用户分类，从而根据所有的用户分类建立电力用户分类模型。

可以理解的是，电力用户的用电行为可以符合一条关联规则，也可以符合多条关联规则，对应地，电力用户可以属于一个电力用户分类模型，也可以属于多个电力用户分类模型。

进一步，根据电力用户所属的电力用户分类模型，可以对电力用户的用电行为进行管理。具体地，根据电力用户所属的电力用户分类模型，可以将电力资源进行协调分配。

例如，在工作日白天时段，可以将电力用户分类模型为“上班族”和“空置房”的电力用户的电力资源分配给电力用户分类模型为“商业居民”和“企业”的电力用户；在晚上和假期时段，可以将电力用户模型为“商业居民”和“企业”的电力用户的电力资源分配给电力用户分类模型为“上班族”和“老人家庭”的电力用户。

进一步，根据电力用户分类模型生成服务策略；根据服务策略对电力用户在用电过程中生成的用电信息进行处理。

上述用电管理方法中，首先获取电力用户的历史用电信息与用电管理决策信息；对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；然后根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；接着根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；最后根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。通过电力用户分类模型可以得到电力用户的用电特征，准确地反映电力用户的用电需求，并协调电力资源。

在一个实施例中，如图3所示，对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征，包括：

步骤302，获取电力用户的历史用电信息对应的用电信息参考范围，以及用电管理决策信息对应的决策信息参考范围。

其中，用电信息参考范围指的是电力企业所需的电力用户的历史用电信息对应的范围；决策信息参考范围指的是电力企业所需的电力用户的用电管理决策信息对应的范围。用电信息参考范围与决策信息参考范围可以由电力企业输入得到。

步骤304，对在用电信息参考范围内的历史用电信息进行归一化处理，得到历史用电特征。

具体地，获取电力用户的历史用电信息对应的用电信息参考范围，当电力用户的历史用电信息在用电信息参考范围时，则获取该电力用户的历史用电信息。当电力用户的历史用电信息不在用电信息参考范围，该历史用电信息为坏信息，舍弃该历史用电信息。

步骤306，对在决策信息参考范围内的用电管理决策信息进行归一化处理，得到用电管理决策特征。

具体地，获取用电管理决策信息对应的决策信息参考范围，当电力用户的用电管理决策信息在决策信息参考范围时，则获取该电力用户的用电管理决策信息。当电力用户的用电管理决策信息不在决策信息参考范围时，该用电管理决策信息为不正常的信息，舍弃该用电管理决策信息。

例如，获取五个电力用户的历史用电信息包含的一个维度日用电量分别为10kw·h、-5kw·h、20kw·h、6月2日16点38分50秒、150kw·h，用电信息参考范围为0-100kw·h，则-5kw·h、6月2日16点38分50秒与150kw·h不在用电信息参考范围内，为坏信息，舍弃；则获取在用电信息参考范围为0-100kw·h的10kw·h和20kw·h。

进一步，获取在用电信息参考范围内的历史用电信息与在决策信息参考范围内的用电管理决策信息，构建电力用户数据库。

在上述用电管理方法中，获取电力用户的历史用电信息对应的用电信息参考范围，以及用电管理决策信息对应的决策信息参考范围；对在用电信息参考范围内的历史用电信息进行归一化处理，得到历史用电特征；对在决策信息参考范围内的用电管理决策信息进行归一化处理，得到用电管理决策特征；然后根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；再根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；根据关联处理结果建立电力用户分类模型，电力用户分类模型用于对电力用户的用电行为进行管理。这种用电管理方法，舍弃不在用电信息参考范围和决策信息参考范围的坏信息，可以更精确地反映用电需求。

在一个实施例中，历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果，包括：根据历史用电特征进行聚类处理得到第一聚类处理结果，并根据用电管理决策特征进行聚类处理得到第二聚类处理结果。

其中，第一聚类处理结果指的是历史用电特征进行聚类处理后所包含的各个维度的结果。第二聚类处理结果指的是用电管理决策特征进行聚类处理后所包含的各个维度的结果。

例如，历史用电特征中包括多个维度，如日用电量、用电时段等，根据每一个维度聚类处理后可以得到对应的第一聚类处理结果。第一聚类处理结果可以是日用电量较多、日用电量中等、日用电量较少以及用电时段为晚上和假期、用电时段工作日白天、用电时段全天等。

例如，用电管理决策特征中也包括多个维度，如收入水平、用电等级、缴费渠道偏好、停电投诉等，根据每一个维度聚类处理后可以得到对应的第二聚类处理结果。第二聚类处理结果可以是收入水平富裕、收入水平小康、收入水平贫困，用电费用等级一级、用电费用等级二级、用电费用等级三级，缴费渠道线上、缴费渠道线下、缴费渠道线上与线下，停电投诉激烈、停电投诉温和等。

在一个实施例中，根据聚类处理结果，对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果，包括：获取第一聚类处理结果与第二聚类处理结果生成的关联集合；统计每一个关联集合对应的支持度；根据支持度得到历史用电特征与用电管理决策特征的关联处理结果。

其中，关联集合指的是第一聚类处理结果与第二聚类处理结果关联之后生成的集合。支持度指的是关联集合在所有电力用户的第一聚类处理结果与第二聚类处理结果中出现的频率。

具体地，历史用电特征中包含多个维度，根据每个维度进行聚类处理，得到第一聚类处理结果；同样地，用电管理决策特征中包含多个维度，根据每个维度进行聚类处理，得到第二聚类处理结果。将包含的各个维度的第一聚类处理结果与包含的各个维度的第二聚类处理结果中关联，生成关联集合。统计每一个关联集合对应的支持度，当关联集合对应的支持度大于支持度阈值时，则生成关联集合中所对应的关联规则，其中，关联规则由关联集合中对应的历史用电特征与用电管理决策特征组成，继而，关联规则由历史用电信息与用电管理决策信息组成，如关联规则：(月用电量较少，峰值负荷较小)→(用电费用等级二级，缴费不及时)。

在一个实施例中，根据历史用电特征进行聚类处理得到第一聚类处理结果，并根据用电管理决策特征进行聚类处理得到第二聚类处理结果，包括：根据历史用电特征中包含的各个维度的第一特征分别进行聚类处理，得到电力用户对应的第一聚类标签；根据用电管理决策特征中包含的各个维度的第二特征分别进行聚类处理，得到电力用户对应的第二聚类标签；获取第一聚类处理结果与第二聚类处理结果生成的关联集合，包括：从第一聚类标签中获取第一目标聚类标签，并从第二聚类标签中获取第二目标聚类标签；根据第一目标聚类标签和第二目标聚类标签生成关联集合。

其中，第一特征指的是归一化处理后的历史用电特征中一个维度的信息，如日用电量这一维度的第一特征为0.2,0.3,0.4,0.6,0.8,0.9。第一聚类标签指的是第一特征通过聚类处理后形成的分类，如日用电量这一维度中，第一聚类标签可以为日用电量较少、日用电量中等、日用电量较多。第二特征指的是归一化处理后的用电管理决策特征中一个维度的信息，如收入水平这一维度的第二特征为0.2,0.3,0.4,0.5,0.8,0.9。第二聚类标签指的是第二特征通过聚类处理后形成的分类，如收入水平这一维度中，第二聚类标签可以为收入水平贫困、收入水平小康、收入水平富裕。

第一目标聚类标签指的是用于生成关联集合的第一聚类标签，第二目标聚类标签指的是用于生成关联集合的第二聚类标签，如关联集合(日用电量较少，峰值负荷较小；用电费用等级二级，缴费不及时)，则第一目标聚类标签为月用电量为较少，峰值负荷较小，第二目标聚类标签为用电费用为等级二级，缴费不及时。

具体地，历史用电特征中包含各个维度的第一特征，将各个维度的第一特征分别进行聚类处理，形成了各个维度的第一特征的分类，通过各个分类得到电力用户对应的第一聚类标签；用电管理决策特征中包含各个维度的第二特征，将各个维度的第二特征分别进行聚类处理，形成了各个维度的第二特征的分类，通过各个分类得到电力用户对应的第二聚类标签。

例如，在历史用电特征中包含的“日用电量”维度的第一特征为0.2,0.3,0.4,0.6,0.8,0.9。通过聚类处理，如把日用电量分为三类，选取日用电量中的三个第一特征：0.2,0.8,0.9作为三类的中心值，则分别计算日用电量中的第一特征与这三个中心值的相异度，相异度的计算可参照以下公式：相异度＝剩下的第一特征-中心值。其中，相异度为正数。则日用电量中的第一特征与中心值0.2的相异度分别为：0，0.1,0.2,0.4,0.6,0.7；日用电量中的第一特征与中心值0.8的相异度分别为：0.6,0.5,0.4,0.2,0，0.1；日用电量中的第一特征与中心值0.9的相异度分别为:0.7,0.6,0.5,0.3,0.1，0。

将第一特征中与中心值相异度最小的第一特征作为一类，重新计算每一类的中心值。则三类分别为(0.2，0.3,0.4)，(0.6,0.8)，(0.9)，重新计算三类各自的中心值。中心值的计算为每一类中第一特征的算术平均数，三类的中心值分别为：(0.2+0.3+0.4)/3＝0.3，(0.6+0.8)/2＝0.7,0.9，即三类的中心值分别为0.3，0.7，0.9。

重新计算日用电量中的第一特征与这三个中心值0.3,0.7,0.9的相异度，再将第一特征中与中心值相异度最小的第一特征作为一类，重新计算每一类的中心值。当中心值不变时，则聚类处理完成。

具体地，日用电量中的第一特征与中心值0.3的相异度分别为：0.1,0,01,0.3,0.5,0.6；日用电量中的第一特征与中心值0.7的相异度分别为：0.5,0.4,0.3,0.1,0.1,0.2；日用电量中的第一特征与中心值0.9的相异度分别为：0.7,0.6,0.5,0.3,0.1,0。将日用电量中的第一特征与三个中心值0.3,0.7,0.9的相异度最小的作为一类，则三类分别为(0.2,0.3,0.4)，(0.6,0.8,)，(0.9)，计算三类的中心值分别为0.3,0.7,0.9，中心值不变，则聚类处理完成。

进一步，将日用电量中的第一特征中的一类(0.2,0.3,0.4)生成第一聚类标签：日用电量较少；将日用电量中的第一特征中的一类(0.6,0.8)生成第一聚类标签：日用电量中等；将日用电量中的第一特征中的一类(0.9)生成第一聚类标签：日用电量较多。

同样地，在历史用电特征中包含的另外一个维度峰值负荷的第一特征，通过聚类处理，可以得到峰值负荷这一维度的第一特征中生成的第一聚类标签为峰值负荷较低、峰值负荷中等、峰值负荷较高。

同样地，在用电管理决策特征中包含的一个维度收入水平的第二特征，通过聚类处理，可以得到收入水平这一维度的第二特征中生成的第二聚类标签为收入水平贫困、收入水平小康、收入水平富裕。

同样地，在用电管理决策特征中包含的一个维度消费水平的第二特征，通过聚类处理，可以得到消费水平这一维度的第二特征中生成的第二聚类标签为消费水平较低、消费水平中等、消费水平较高。

以上实施例采用的是k-means聚类算法对电力用户的历史用电特征包含的各个维度的第一特征、与用电管理决策特征包含的各个维度的第二特征进行聚类处理，也可以采用均值偏移聚类算法、c均值聚类算法等对电力用户的历史用电特征包含的各个维度的第一特征、与用电管理决策特征包含的各个维度的第二特征进行聚类处理,在此不做限定。

进一步，获取一个或者多个第一聚类标签作为第一目标聚类标签；同样地，获取一个或者多个第二聚类标签作为第二目标聚类标签，将第一目标聚类标签与第二目标聚类标签生成关联集合。

在日用电量这一维度的第一聚类标签日用电量较少，日用电量中等，日用电量较多中获取日用电量较少作为日用电量这一维度的第一目标聚类标签；在峰值负荷这一维度的第一聚类标签峰值负荷较低，峰值负荷中等，峰值负荷较高中获取峰值负荷中等作为第一目标聚类标签；在收入水平这一维度的第二聚类标签收入水平贫困，收入水平小康，收入水平富裕中获取收入水平小康作为收入水平这一维度的第二目标聚类标签；在消费水平这一维度的第二聚类标签消费水平较低，消费水平中等，消费水平较高中获取消费水平中等作为消费水平这一维度的第二目标聚类标签，则生成关联集合为(日用电量较少，峰值负荷中等；收入水平小康，消费水平中等)。

在一个实施例中，统计每一个关联集合对应的支持度，包括：根据每一个电力用户的第一聚类标签和第二聚类标签，生成对应的聚类标签集合；统计每一个关联集合在聚类标签集合中出现的次数；根据次数计算每一个关联集合对应的支持度。

其中，聚类标签集合指的是电力用户的全部第一聚类标签和全部第二聚类标签可能组成的集合，用于表示电力用户的用电特征。支持度指的是关联集合在所有电力用户的第一聚类处理结果与第二聚类处理结果中出现的频率，也就是关联集合在所有聚类标签集合中出现的频率。

具体地，根据每一个电力用户的第一聚类标签和第二聚类标签，生成对应的聚类标签集合。其中，聚类标签集合包含电力用户的所有用电特征。根据第一目标聚类标签和第二目标聚类标签生成关联集合后，统计每一个关联集合在聚类标签集合中出现的次数。根据次数计算每一个关联集合对应的支持度。当关联集合在聚类标签集合中出现的次数越多时，则表示对应的关联集合的支持度越高，也就是关联集合中的第一目标聚类标签与第二目标聚类标签关联性越强。

例如，在5个电力用户中，日用电量这一维度的第一聚类标签分别为日用电量中等、日用电量较低、日用电量中等、日用电量较高、日用电量中等；峰值负荷这一维度的第一聚类标签分别为峰值负荷中等、峰值负荷较低、峰值负荷中等、峰值负荷较高、峰值负荷中等；收入水平这一维度的第二聚类标签分别为收入水平小康、收入水平贫困、收入水平富裕、收入水平富裕、收入水平小康；缴费渠道偏好这一维度的第二聚类标签分别为缴费渠道偏好线上、缴费渠道偏好线下、缴费渠道偏好线上、缴费渠道偏好线上、缴费渠道偏好线上；则5个电力用户的聚类标签集合分别为(日用电量中等，峰值负荷中等，收入水平小康，缴费渠道偏好线上)、(日用电量较低，峰值负荷较低，收入水平贫困，缴费渠道偏好线下)、(日用电量中等，峰值负荷中等，收入水平富裕，缴费渠道偏好线上)、(日用电量较高，峰值负荷较高，收入水平富裕，缴费渠道偏好线上)、(日用电量中等，峰值负荷中等，收入水平小康，缴费渠道偏好线上)。

在日用电量这一维度的第一聚类标签与峰值负荷这一维度的第一聚类标签中获取第一目标聚类标签；在收入水平这一维度的第二聚类标签与缴费渠道偏好这一维度的第二聚类标签中获取第二目标聚类标签，生成的关联集合可以为(日用电量中等；缴费渠道偏好线上)，也可以为(日用电量中等；收入水平小康，缴费渠道偏好线上)，还可以为(日用电量中等，峰值负荷中等；收入水平小康，缴费渠道偏好线上)，在此不做限定。

统计每一个关联集合在所有电力用户的聚类标签集合中出现的次数，则关联集合(日用电量中等；缴费渠道偏好线上)在5个电力用户的聚类标签中出现的次数3次；关联集合(日用电量中等；收入水平小康，缴费渠道偏好线上)在5个电力用户的聚类标签中出现的次数2次；关联集合(日用电量中等，峰值负荷中等；收入水平小康，缴费渠道偏好线上)在5个电力用户的聚类标签中出现的次数2次。

根据每一个关联集合在所有电力用户的聚类标签集合中出现的次数，计算每一个关联集合对应的支持度。其中，支持度可参照以下公式计算：支持度＝关联集合在聚类标签集合中出现的次数/聚类标签集合个数。则关联集合(日用电量中等；缴费渠道偏好线上)的支持度＝3/5；关联集合(日用电量中等；收入水平小康，缴费渠道偏好线上)的支持度＝2/5；关联集合(日用电量中等，峰值负荷中等；收入水平小康，缴费渠道偏好线上)的支持度＝2/5。

进一步，获取关联集合的支持度阈值；当关联集合的支持度大于等于对应的支持度阈值时，生成关联集合对应的关联规则。

具体地，所有关联集合的支持度阈值可以相同，也可以不同，在此不做限定。当关联集合的支持度大于等于对应的支持度阈值时，表示关联集合中的第一目标聚类标签与第二目标聚类标签关联性强，生成关联集合对应的关联规则；当关联集合的支持度小于对应的支持度阈值时，则表示关联集合中的第一目标聚类标签与第二目标聚类标签关联性弱，舍弃该关联集合。

例如，获取所有关联集合的支持度阈值为3/5，则关联集合(日用电量中等；缴费渠道偏好线上)的支持度大于等于支持度阈值3/5，生成关联集合对应的关联规则，即(日用电量中等)→(缴费渠道偏好线上)，该关联规则表示电力用户的日用电量中等与缴费渠道偏好线上关联性强；则关联集合(日用电量中等；收入水平小康，缴费渠道偏好线上)的支持度小于支持度阈值3/5，舍弃该关联集合；则关联集合(日用电量中等，峰值负荷中等；收入水平小康，缴费渠道偏好线上)的支持度小于支持度阈值3/5，舍弃该关联集合。

在一个实施例中，上述方法还包括：根据电力用户分类模型生成服务策略；根据服务策略对电力用户在用电过程中生成的用电信息进行处理。

其中，服务策略指的是通过电力用户分类模型分析得出的能够更好地服务电力用户的策略。服务策略中可以包括电力用户的潜在价值、信用风险及服务方法等。

其中，电力用户的潜在价值可以通过电力用户分类模型中的收入水平和消费水平等得出。例如，电力用户分类模型为“上班族”或者“商业居民”的电力用户收入水平较高和消费水平较高，可以得出电力用户的潜在价值较高。

电力用户的信用风险可以通过电力用户分类模型中的缴费信息的缴费期限日和缴费及时性等得出。例如，通过电力用户分类模型中的缴费期限日和缴费不及时等，可以得出电力用户的信用风险较高。

电力用户的服务方法可以通过电力用户分类模型中的用电时段、客服信息的缴费反馈及停电投诉等得出。例如，电力用户分类模型为“上班族”的用电时段为晚上和周末、缴费反馈良好、停电投诉温和等信息可以得出电力用户的服务方法：在晚上和周末与电力用户进行沟通、上访或者维修等，或者在白天发送即时信息至电力用户的终端设备中。又如，电力用户分类模型为“老人家庭”用电时段为全天、缴费渠道偏好线下、峰值负荷较低、收入水平较低等信息可以得出电力用户的服务方法：在白天与电力用户进行沟通、上访或者维修等，留意电力用户家中老人生活。

具体地，根据电力用户分类模型生成服务策略。电力用户所属的电力用户分类模型可以为一个，也可以为多个；相应地，电力用户的服务策略可以为一种，也可以为多种的综合。然后根据服务策略对电力用户在用电过程中生成的用电信息进行处理，也就是将电力用户在用电过程中生成的峰值负荷、用电时段等用电信息进行处理。

例如，在工作日白天，可以将电力用户分类模型为“上班族”或者为“老人家庭”等的电力用户的一部分用电资源分配给电力用户分类模型为“商业居民”或者“企业”等的电力用户；相应地，在晚上或者假期，可以将电力用户分类模型为“商业居民”或者“企业”等的电力用户的一部分用电资源分配给电力用户分类模型为“上班族”或者“老人家庭”的电力用户。

进一步，可以根据电力用户的潜在价值、信用风险、服务策略等以及电力用户所属的电力用户分类模型，得出电力用户的社会阶层、行为偏好等特征。

其中，社会阶层可以是精英、工人、失业或无业人员等。行为偏好可以是电力用户的缴费渠道偏好为、晚上入睡时间与早上起床时间等等。通过得出电力用户的社会阶层、行为偏好等特征，可以更精准地提供服务策略，更好地为电力用户服务。

应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种用电管理装置，包括：获取模块402、归一化模块404、聚类处理模块406、关联处理模块408和电力用户分类模型生成模块410，其中：

获取模块402，用于获取电力用户的历史用电信息与用电管理决策信息。

归一化模块404，用于对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征。

聚类处理模块406，用于根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果。

关联处理模块408，用于根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果。

电力用户分类模型生成模块410，用于根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。

上述用电管理装置中，首先获取电力用户的历史用电信息与用电管理决策信息；对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；然后根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；接着根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；最后根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。通过电力用户分类模型可以得到电力用户的用电特征，准确地反映电力用户的用电需求，并协调电力资源。

在一个实施例中，上述归一化模块404还用于获取电力用户的历史用电信息对应的用电信息参考范围，以及用电管理决策信息对应的决策信息参考范围；对在用电信息参考范围内的历史用电信息进行归一化处理，得到历史用电特征；对在决策信息参考范围内的用电管理决策信息进行归一化处理，得到用电管理决策特征。

在一个实施例中，上述聚类处理模块406还用于根据历史用电特征进行聚类处理得到第一聚类处理结果，并根据用电管理决策特征进行聚类处理得到第二聚类处理结果。

在一个实施例中，上述关联处理模块408还用于获取第一聚类处理结果与第二聚类处理结果生成的关联集合；统计每一个关联集合对应的支持度；根据支持度得到历史用电特征与用电管理决策特征的关联处理结果。

在一个实施例中，上述聚类处理模块406还用于根据历史用电特征中包含的各个维度的第一特征分别进行聚类处理，得到电力用户对应的第一聚类标签；根据用电管理决策特征中包含的各个维度的第二特征分别进行聚类处理，得到电力用户对应的第二聚类标签。

在一个实施例中，上述关联处理模块408还用于从第一聚类标签中获取第一目标聚类标签，并从第二聚类标签中获取第二目标聚类标签；根据第一目标聚类标签和第二目标聚类标签生成关联集合。

在一个实施例中，关联处理模块408还用于根据每一个电力用户的第一聚类标签和第二聚类标签，生成对应的聚类标签集合；统计每一个关联集合在聚类标签集合中出现的次数；根据次数计算每一个关联集合对应的支持度。

在一个实施例中，如图5所示，提供了一种用电管理装置，包括：获取模块402、归一化模块404、聚类处理模块406、关联处理模块408、电力用户分类模型生成模块410和服务策略生成模块412。其中：

服务策略生成模块412，用于根据电力用户分类模型生成服务策略；根据服务策略对电力用户在用电过程中生成的用电信息进行处理。

上述用电管理装置中，首先获取电力用户的历史用电信息与用电管理决策信息；对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；然后根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；接着根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；最后根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理，并通过电力用户分类模型生成服务策略，根据服务策略对电力用户在用电过程中生成的用电信息进行处理。通过电力用户分类模型可以得到电力用户的用电特征，准确地反映电力用户的用电需求，并协调电力资源。

关于用电管理装置的具体限定可以参见上文中对于用电管理方法的限定，在此不再赘述。上述用电管理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用电管理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取电力用户的历史用电信息与用电管理决策信息；对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取电力用户的历史用电信息对应的用电信息参考范围，以及用电管理决策信息对应的决策信息参考范围；对在用电信息参考范围内的历史用电信息进行归一化处理，得到历史用电特征；对在决策信息参考范围内的用电管理决策信息进行归一化处理，得到用电管理决策特征。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据历史用电特征进行聚类处理得到第一聚类处理结果，并根据用电管理决策特征进行聚类处理得到第二聚类处理结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一聚类处理结果与第二聚类处理结果生成的关联集合；统计每一个关联集合对应的支持度；根据支持度得到历史用电特征与用电管理决策特征的关联处理结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据历史用电特征中包含的各个维度的第一特征分别进行聚类处理，得到电力用户对应的第一聚类标签；根据用电管理决策特征中包含的各个维度的第二特征分别进行聚类处理，得到电力用户对应的第二聚类标签；从第一聚类标签中获取第一目标聚类标签，并从第二聚类标签中获取第二目标聚类标签；根据第一目标聚类标签和第二目标聚类标签生成关联集合。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据每一个电力用户的第一聚类标签和第二聚类标签，生成对应的聚类标签集合；统计每一个关联集合在聚类标签集合中出现的次数；根据次数计算每一个关联集合对应的支持度。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据电力用户分类模型生成服务策略；根据服务策略对电力用户在用电过程中生成的用电信息进行处理。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取电力用户的历史用电信息与用电管理决策信息；对历史用电信息与用电管理决策信息分别进行归一化处理，得到历史用电特征与用电管理决策特征；根据历史用电特征与用电管理决策特征进行聚类处理，得到聚类处理结果；根据聚类处理结果对历史用电特征与用电管理决策特征进行关联处理，得到关联处理结果；根据关联处理结果建立电力用户分类模型，其中，电力用户分类模型用于对电力用户的用电行为进行管理。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取电力用户的历史用电信息对应的用电信息参考范围，以及用电管理决策信息对应的决策信息参考范围；对在用电信息参考范围内的历史用电信息进行归一化处理，得到历史用电特征；对在决策信息参考范围内的用电管理决策信息进行归一化处理，得到用电管理决策特征。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据历史用电特征进行聚类处理得到第一聚类处理结果，并根据用电管理决策特征进行聚类处理得到第二聚类处理结果。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取第一聚类处理结果与第二聚类处理结果生成的关联集合；统计每一个关联集合对应的支持度；根据支持度得到历史用电特征与用电管理决策特征的关联处理结果。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据历史用电特征中包含的各个维度的第一特征分别进行聚类处理，得到电力用户对应的第一聚类标签；根据用电管理决策特征中包含的各个维度的第二特征分别进行聚类处理，得到电力用户对应的第二聚类标签；从第一聚类标签中获取第一目标聚类标签，并从第二聚类标签中获取第二目标聚类标签；根据第一目标聚类标签和第二目标聚类标签生成关联集合。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据每一个电力用户的第一聚类标签和第二聚类标签，生成对应的聚类标签集合；统计每一个关联集合在聚类标签集合中出现的次数；根据次数计算每一个关联集合对应的支持度。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据电力用户分类模型生成服务策略；根据服务策略对电力用户在用电过程中生成的用电信息进行处理。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。