br>[0035] 返回继续参考图1，无线路由器130可用于接收智能插座120传输的用电参数信息 并将用电参数信息传输到云服务器110。
[0036] 云服务器110可用于基于用电设备参数特征值与预定参数特征阈值之间的关系， 确定与智能插座120电连接的用电设备的类别。
[0037] 在这里，用电设备参数特征值可以是与用电参数信息相对应的特征值。例如，在一 些实现方式中，用电设备参数特征值可以是由用电参数信息基于预定算法计算得到的。
[0038] 在一些应用场景中，例如，在云服务器110确定出与智能插座120电连接的用电设 备的类别之后，云服务器110还可用于基于该用电设备的类别确定用电设备的工作状态， 并在工作状态异常时，向智能插座120发送关断指令。此外，云服务器端可以增加更多控制 算法，优化用电设备的运行策略，通过智能插座120对用电设备进行智能化的控制。
[0039] 在一些实现方式中，例如，智能插座120可通过路由器130向云服务器110发送用 电参数信息。类似地，云服务器110也可以通过路由器130向智能插座120发送关断指令 和其它的指令。
[0040] 无线路由器130还可用于采集智能插座120的身份信息，并基于移动终端140的 请求，将身份信息发送至移动终端140。身份信息例如可以包括智能插座120的型号、产品 序列号等等代表该智能插座120身份的信息。这样一来，移动终端便可配置智能插座连入 互联网，使其与云服务器110等进行数据交互。
[0041] 移动终端140可用于获取身份信息，并基于身份信息向云服务器110请求获取用 电设备的类别。更进一步地，在一些应用场景中，云服务器110向移动终端发送用电设备的 类别信息的同时和/或之后，移动终端140还可以向云服务器110发送用电参数获取请求， 以获取用电设备的用电参数。
[0042] 在一些应用场景中，移动终端140还可以获取云服务器110基于用电设备的类别 以及智能插座120的身份信息，向云服务器110发送操作请求信息，云服务器110再基于该 操作请求信息向对应的智能插座120发送与操作请求信息对应的操作指令。在这里，操作 指令例如可以包括开关操作指令（用于导通或切断智能插座120的电连接）、定时操作指令 (用于定时导通或切断智能插座120的电连接）、指示灯操作指令（用于点亮或关闭智能插 座120的指不灯）等。
[0043] 在这里，需要说明的是，云服务器110能够确定用电设备的类别的前提至少包括， 该云服务器具有基于其接收到的用电设备的用电参数信息来确定用电设备的类别的能力。 例如，在一些实现方式中，云服务器110上有一数据库，该数据库中对应存储有用电设备的 类别信息和与类别信息相对应的用电参数的特征阈值。或者，云服务器可以与存储有用电 设备的类别信息和与类别信息相对应的用电参数特征阈值的终端和/或服务器进行通信， 以获取与用电设备的类别信息。
[0044] 在一些实现方式中，用电参数信息例如可以包括用电设备的启动阶段中的各预定 时刻的电流值。
[0045] 在这些实现方式中，云服务器110可以基于用电设备的启动阶段中的各预定时刻 的电流值生成电设备启动时的电流曲线，采用最小二乘法求电流曲线的最小二乘拟合多项 式，统计拟合多项式中每一项的系数，并基于最小二乘拟合多项式每一项的系数满足预设 条件，确定用电设备的类别。在这些实现方式中，例如，可以将该用电设备的启动时的电流 曲线的最小二乘拟合多项式中的每一项系数作为用电设备参数特征值。
[0046] 例如，云服务器110可以基于最小二乘拟合多项式中各系数均满足 e[Eai_3σi,Eai+3σJ，确定用电设备属于预定设备类型。
[0047] 其中，i= 0, 1，…，k，k为最小二乘拟合多项式的次数，Eal为预定设备类型的用 电设备的最小二乘拟合多项式中第i次项系数的平均值，σ预定设备类型的用电设备的 第i次项系数的标准差。在这里，例如可以将Eal作为用电设备参数特征阈值。
[0048] 在一些实现方式中，为了综合考虑拟合的精度和计算量，例如可以选取三次多项 式作为最小二乘拟合多项式。
[0049] 下面，将示意性地说明云服务器110确定用电设备类型的过程。
[0050] 需要说明的是，在以用电设备启动时的电流曲线作为确定用电设备类别的依据 时，云服务器110具备获取用电设备的类别以及与该类别相对应的用电设备启动时的电流 曲线的对应关系的能力。例如，当采用用电设备启动时的电流曲线的三次拟合多项式来作 为判断用电设备的类别的依据时，云服务器110应当具备根据用电设备启动时的电流曲线 的三次拟合多项式中的各项系数的数值来判断用电设备的类别的能力。
[0051] 例如，在一些实现方式中，可以选取多个同类别的用电设备，并分别获取其启动时 的电流曲线。在这里，同类别的意思可以是，各用电设备的种类相同，例如均为冰箱，可认为 是同类别的用电设备。
[0052] 首先，多次获取与智能插座电连接的用电设备在启动阶段中的各预定时刻的电流 值，并基于各预定时刻的电流值与各预定时刻的对应关系生成电流曲线。这属于数据样本 采集的过程，通常样本的数量越多，所得到的数据就更具有参考性。例如选择冰箱时，可以 选择至少5个冰箱作为样本进行特征数据统计。需要说明的是，在进行数据样本采集的过 程中，用电设备的启动过程通常时间都很短，智能插座在几秒甚至1秒时间内，即可完成多 个时刻电流值的采集。如表1所示，为电流曲线上各预定时刻的电流值和与之对应的时间 点。
[0053] 表1 :启动电流值和与之对应的时间点
[0054]
[0055] 接着，对每一组的电流-时间数据进行三次最小二乘拟合多项式拟合，拟合后的 多项式的各项系数&。~a3如表2所示：
[0056] 表2 :多项式的各项系数
[0057]
[0058] 接着，求取各项系数的平均值Eal和标准差σi(i= 0~3)，如表3所示：
[0059] 表3 :各项系数的平均值和标准差
[0060]
[0061] 那么，例如^可将表3?的数据^用电设备&类别（例如，冰k)对应存储至云服 务器110的数据库中。
[0062] 在完成如上所述的对应存储后，即建立了用电设备特征值与用电设备特征阈值之 间的映射关系。同理，在该数据库中可以建立多种类型用能设备特征参数阈值，作为后续识 别用能设备类型的依据。
[0063] 具体的，一未知用能设备与智能插座相连，智能插座采集用能设备的启动时预定 时刻的电流值，获取该用能设备启动时间段的电流曲线，用电设备启动时的电流曲线经最 小二乘拟合形成三次多项式后，将各项系数与云服务器预先存储的多种用电设备的特征阈 值进行匹配，当所述未知用电设备的最小二乘拟合多项式中各项系数均处于：
[0064] [Eai-3σi;Eai+3σJ
[0065] 这一区间范围内时，即可确定当前的用电设备的类型。
[0066] 例如，用电设备启动时的电流曲线中电流值和与之对应的时间点如表4所示：
[0067] 表4 :识别阶段的启动电流值和与之对应的时间点
[0068]
[0069] 经三次多项式的最小二乘拟合后，各项系数如表5所示：
[0070] 表5 :识别阶段的多项式的各项系数
[0071]
[0072] 判断是否满足饿设条仵，
[0073] a〇：68. 62-0. 286356*3^68. 9^68. 62+0. 286356*3
[0074] a!: 0-0*3 彡 0 彡 0+0*3
[0075] a2：0. 173281-0. 003927*3 ^ 0. 167086 ^ 0. 173281+0. 003927*3
[0076] a3：
[0077] 1. 47724E-04)-(8. 30164E-06)*3 彡（-1. 42E-04)彡（-1. 47724E-04) + (8. 3016 4E-06)*3
[0078] 由于各项系数a。~&3均满足前述的冰箱的特征阈值，即a# [Eal_3σEal+3σJ。 因此，云服务器110可判断当前用电设备即为冰箱。
[0079] 在一些应用场景中，用电设备的所有者与用电设备不处于同一空间区域。此时，该 所有者可以通过移动终端140来向云服务器110请求获取该用电设备的用电参数信息，进 而可得到用电设备当前所处的状态（如开启、关闭，以及用电设备是否处于正常工作状态 等）。
[0080] 在一些实现方式中，移动终端140和智能插座120可以通过同一个路由器230与 云服务器110进行数据交互。或者，在另一些实现方式中，移动终端140和智能插座120可 以通过不