用电量预估方法、装置、计算机设备和存储介质与流程

1.本技术涉及电力技术领域，特别是涉及一种用电量预估方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着社会的发展和人民生活水平的日益提升，企业用户和个体用户的用电量需求也随之越来越大。对于电力生产方而言，需要合理规划电能生产，才能满足不同用户的用电量需求。
3.目前主要通过对未来用电进行预估，采用预估得到的用电量为电力生产方提供生产指导，以合理规划电能的生产。传统技术中，是借助于机器学习模型进行用电量的预估，具体是采用大量历史用电量数据训练得到的电量预估模型对未来用电量进行预估，以得到未来用电量的预估值。
4.然而，传统技术中电量预估模型的泛化能力弱，用电量预估的准确性差。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种用电量预估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.第一方面，本技术提供了一种用电量预估方法，包括：
7.获取待分析对象的实时用电量和历史用电量；
8.根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；
9.将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时用电量和部分历史用电量。
10.在其中一个实施例中，上述方法还包括：
11.将实时用电量和历史用电量合并，作为新的历史用电量；
12.获取待分析对象的新的实时用电量，根据新的实时用电量和新的历史用电量对目标预估模型进行训练，确定新的目标预估模型。
13.在其中一个实施例中，根据实时用电量和历史用电量对电量预估模型进行训练，得到目标预估模型，包括：
14.将实时用电量和历史用电量作为训练样本，对电量预估模型进行训练，得到更新预估模型；
15.根据电量预估模型和更新预估模型确定目标预估模型。
16.在其中一个实施例中，将实时用电量和历史用电量作为训练样本，对电量预估模型进行训练，得到更新预估模型，包括：
17.在训练样本中获取第一时段的实际用电量，根据第一时段的实际用电量对电量预估模型进行参数更新操作，得到更新预估模型；其中，参数更新操作包括：
18.调节电量预估模型中的模型参数，将第一时段的实际用电量输入调节后的电量预
估模型，得到对应第二时段的预估用电量；
19.在训练样本中获取第二时段的实际用电量，计算第二时段的预估用电量和第二时段的实际用电量之间的预估误差；
20.更新第一时段，重复执行参数更新操作，直至预估误差最小，得到更新预估模型。
21.在其中一个实施例中，根据电量预估模型和更新预估模型确定目标预估模型，包括：
22.在训练样本中获取第三时段的实际用电量，并将第三时段的实际用电量输入电量预估模型，得到第三时段所对应的第四时段的第一预估用电量；
23.将第三时段的实际用电量输入更新预估模型，得到第三时段所对应的第四时段的第二预估用电量；
24.在训练样本中获取第四时段的实际用电量；
25.根据第四时段的第一预估用电量、第四时段的第二预估用电量和第四时段的实际用电量确定目标预估模型。
26.在其中一个实施例中，根据第四时段的第一预估用电量、第四时段的第二预估用电量和第四时段的实际用电量确定目标预估模型，包括：
27.获取第四时段的第一预估用电量与第四时段的实际用电量之间的第一预估误差；
28.获取第四时段的第二预估用电量与第四时段的实际用电量之间的第二预估误差；
29.若第一预估误差小于第二预估误差，则确定电量预估模型为目标预估模型；
30.若第一预估误差不小于第二预估误差，则确定更新预估模型为目标预估模型。
31.第二方面，本技术还提供了一种用电量预估装置，包括：
32.电量获取模块，用于获取待分析对象的实时用电量和历史用电量；
33.目标确定模块，用于根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；
34.电量预估模型，用于将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时用电量和部分历史用电量。
35.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
36.获取待分析对象的实时用电量和历史用电量；
37.根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；
38.将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时用电量和部分历史用电量。
39.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
40.获取待分析对象的实时用电量和历史用电量；
41.根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；
42.将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时用电量和部分历史用电量。
43.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算
机程序，该计算机程序被处理器执行时实现以下步骤：
44.获取待分析对象的实时用电量和历史用电量；
45.根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；
46.将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时用电量和部分历史用电量。
47.上述用电量预估方法、装置、计算机设备、存储介质和计算机程序产品，通过获取待分析对象的实时用电量和历史用电量，并根据实时用电量和历史用电量对电量预估模型进行训练，以确定目标预估模型，再将包括实时用电量和部分历史用电量的参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量。上述方法在每次进行用电量预估时均采用实时用电量与历史用电量共同对电量预估模型进行训练，并确定目标预估模型，再由目标预估模型进行用电量预估，得到预估时段的预估用电量，实现了预估模型的在线学习，预估用电量与实时用电量之前强相关，提高了预估模型的泛化能力，相应提高了用电量预估的准确性。
附图说明
48.图1为一个实施例中用电量预估方法的流程示意图；
49.图2为另一个实施例中用电量预估方法的流程示意图；
50.图3为一个实施例中确定目标预估模型的流程示意图；
51.图4为一个实施例中参数更新操作的流程示意图；
52.图5为另一个实施例中确定目标预估模型的流程示意图；
53.图6为另一个实施例中确定目标预估模型的流程示意图；
54.图7为一个实施例中用电量预估装置的结构框图；
55.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
56.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术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技术，并不用于限定本技术。
57.本技术提供了一种用电量预估方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端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、物联网设备和便携式可穿戴设备。服务器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。
58.如图1所示，本实施例中，该方法包括以下步骤：
59.s110、获取待分析对象的实时用电量和历史用电量。
60.其中，待分析对象即为进行用电量预估的用电对象。可选地，待分析对象可是某一具体用电对象，如某一用户，还可是整个小区/地区的用户，对此本实施例中并不做具体限定。实时用电量即待分析对象当前不断产生的用电量，历史用电量即待分析对象在过去所产生的用电量。例如，当前时间为2021年1月1日，待分析对象在2021年1月1日之前所产生的
用电量即为历史用电量，待分析对象在2021年1月1日所产生的用电量即为实时用电量。
61.可选地，终端可通过电量采集装置获取待分析对象的实时用电量，并从用电量数据库中获取待分析对象的历史用电量。其中，电量采集装置用于实时采集用户的用电量，用电量数据库则包括用户在过去一段时间内的历史用电量。可选地，用电量数据库可以直接设置在终端内，还可以设置在别的装置内，终端可与该装置进行通信，并在进行用电量预估时，从该装置中获取待分析对象对应的历史用电量。
62.s120、根据实时用电量和历史用电量对电量预估模型进行训练，得到目标预估模型。
63.其中，电量预估模型可以是初次进行电量预估的预估模型，还可以进行了几轮参数调整后的预估模型。
64.具体地，终端以待分析对象的实时用电量和历史用电量作为训练样本，对已有的电量预估模型进行训练，以确定目标预估模型。
65.可选地，终端可将训练样本划分为训练集和验证集，采用训练集内的用电量对电量预估模型进行训练，采用验证集内的用电量对训练后得到的电量预估模型进行验证，以得到输出的预估用电量最接近实际用电量的电量预估模型即上述目标预估模型。
66.s130、将参考时段的用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量。
67.其中，参考时段的实际用电量包括实时用电量和部分历史用电量。参考时段的实际用电量为输入预估模型的用电量，对应预估时段的预估用电量为预估模型所输出的用电量。参考时段即为与输入预估模型的用电量的产生时刻所匹配的时段，预估时段即为与预估模型输出的用电量的产生时刻所匹配的时段。参考时段与预估时段对应设置，与预估模型本身设置相关。例如，以预估粒度为月举例，目标预估模型设置为输入10个月的用电量，输出1个月的用电量，参考时段即为上述10个月，对应的预估时段即为上述1个月。
68.可选地，目标预估模型的预估粒度还可以是年、季度、月或者日，还可以精确到小时，分钟等。
69.具体地，终端将参考时段的实际用电量输入目标预估模型，进而由目标预估模型输出参考时段所对应的预估时段的预估用电量。例如，以上述目标预估模型设置为输入10个月的用电量，输出1个月的用电量为例，若当前为10月，上述参考时段即1～10月，输入目标预估模型的参考时段所对应的实际用电量即为1～9月的历史用电量以及10月的实时用电量，目标预估模型相应输出待分析对象在参考时段(1～10月)所对应的预估时段(11月)的预估用电量。
70.本实施例中，终端获取待分析对象的实时用电量和历史用电量，并根据实时用电量和历史用电量对电量预估模型进行训练，以确定目标预估模型，再将包括实时用电量和部分历史用电量的参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量。上述方法在每次进行用电量预估时均采用实时用电量与历史用电量共同对电量预估模型进行训练，并确定目标预估模型，在由目标预估模型进行用电量预估，得到预估时段的预估用电量，实现了预估模型的在线学习，预估用电量与实时用电量之前强相关，提高了预估模型的泛化能力，相应提高了用电量预估的准确性。
71.在其中一个实施例中，上述目标预估模型是随用电量的产生而不断更新的，如图2
所示，上述方法还包括：
72.s210、将实时用电量和历史用电量合并，作为新的历史用电量。
73.其中，随着时间的推移，待分析对象会产生新的实时用电量，之前所产生的实时用电量则归为历史用电量。
74.具体地，在待分析对象产生新的实时用电量后，终端则将之前所产生的实时用电量和历史用电量合并，形成新的历史用电量。继续上述举例，待分析对象产生11月的实时用电量后，终端则将11月所产生的实时用电量和之前1～10月份所产生的历史用电量合并，将这11个月(1月～11月)的用电量作为新的历史用电量。
75.s220、获取待分析对象的新的实时用电量，根据新的实时用电量和新的历史用电量对目标预估模型进行训练，确定新的目标预估模型。
76.具体地，待分析对象产生新的实时用电量后，终端继续进行用电量预估时，则获取待分析对象的新的实时用电量，并根据新的实时用电量和新的历史用电量对目标预估模型进行训练，以确定新的目标预估模型。其中，训练得到新的目标预估模型的过程与上述s120中训练得到目标预估模型的过程基本一致，在此不再赘述。
77.本实施例中，上述方法还包括随着新的实时用电量的产生，对目标预估模型继续进行训练以确定新的目标预估模型的过程，具体是将实时用电量和历史用电量合并，作为新的历史用电量，并获取待分析对象的新的实时用电量，根据新的实时用电量和新的历史用电量对目标预估模型进行训练，以确定新的目标预估模型。通过上述方法确保目标预估模型随着实时用电量的更新而更新，提高预估模型与用电量变化的契合度，进而提高预估结果的准确性。
78.在其中一个实施例中，可将实时用电量和历史用电量作为训练样本，训练电量预估模型，以确定目标预估模型，如图3所示，上述s120则包括：
79.s310、将实时用电量和历史用电量作为训练样本，对电量预估模型进行训练，得到更新预估模型。
80.具体地，终端采用实时用电量和历史用电量作为训练样本，对电量预估模型中模型参数进行训练和验证，以得到模型参数更新后的更新预估模型。
81.s320、根据电量预估模型和更新预估模型确定目标预估模型。
82.可选地，终端进一步比较模型参数更新前的电量预估模型与模型参数更新后的更新预估模型的预估准确性，以从电量预估模型和更新预估模型两者之中确定预估结果更为准确的预估模型作为上述目标预估模型。
83.其中，若电量预估模型的预估结果较更新预估模型的预估结果更为准确，则确定电量预估模型为目标预估模型；若更新预估模型的预估结果较电量预估模型的预估结果更为准确，则确定更新预估模型为目标预估模型。
84.在一可选地实施例中，上述s310具体包括：
85.在训练样本中获取第一时段的实际用电量，根据第一时段的实际用电量对电量预估模型进行参数更新操作，得到更新预估模型。
86.其中，如图4所示，上述参数更新操作包括：
87.s410、调节电量预估模型中的模型参数，将第一时段的实际用电量输入调节后的电量预估模型，得到对应第二时段的预估用电量。
88.其中，第一时段的实际用电量即为输入预估模型的用电量，对应第二时段的预估用电量即为预估模型所输出的用电量。第一时段即为与输入预估模型的用电量的产生时刻所匹配的时段，第二时段即为与预估模型输出的用电量的产生时刻所匹配的时段，第一时段和第二时段对应设置。例如，当前时间是2021年1月，第一时段的时间长度为10个月，对应第二时段的时间长度为1个月，第一时段可以是2020年1月～10月，对应的第二时段则为2020年的11月，第一时间可以是2020年2月～11月，对应的第二时段则为2020年的12月。
89.可选地，在终端检测到由电量预估模型输出的预估用电量与对应时段的实际用电量之间的预估误差大于差量阈值时，则主动调节电量预估模型中的模型参数。例如，电量预估模型用于根据10个月的用电量预估1个月的用电量，即向预估模型输入10个月的实际用电量，由预估模型输出1个月的预估用电量。终端向电量预估模型输入10个月的实际用电量，电量预估模型对这10个月的实际用电量进行一定处理，输出第11个月的预估用电量，并获取待分析对象在第11个月所产生的实际用电量，计算该第11个月的预估用电量和实际用电量之间的预估误差，若该预估误差大于差量阈值，则调节电量预估模型中的模型参数。
90.可选地，第一时段是满足第一时间长度的历史时段，第二时段是满足第二时间长度的历史时段，第一时段长度和第二时间长度对应设置。基于上述举例，第一时间长度即为10个月，对应的第二时间长度即为1个月。
91.具体地，在调节电量预估模型中的模型参数后，终端再将训练样本中第一时段的实际用电量输入调节后的电量预估模型，得到对应第二时段的预估用电量。例如，训练样本包括1～12月共12个月的实际用电量，终端可将1～10月(第一时段)共10个月的实际用电量输入电量预估模型，并由电量预估模型输出11月(第二时段)的预估用电量e’。
92.s420、在训练样本中获取第二时段的实际用电量，计算第二时段的预估用电量和第二时段的实际用电量之间的预估误差。
93.具体地，终端在训练样本中获取第二时段的实际用电量，进而计算第二时段的预估用电量和第二时段的实际用电量之间的预估误差。继续上述举例，终端在训练样本中获取到第一时段(1～10月)所对应的第二时段(11月)的实际用电量为e，上述第二时段的预估用电量e’和第二时段的实际用电量e之间的预估误差即为
△
e＝|e
’‑
e|。
94.s430、更新第一时段，重复执行参数更新操作，直至预估误差最小，得到更新预估模型。
95.具体地，在确定了一组第二时段的预估用电量和第二时段的实际用电量之间的预估误差后，终端则更新第一时段，并重复执行上述参数更新操作，即再次调节模型参数，得到更新后的第一时段所对应的新的一组第二时段的预估用电量和第二时段的实际用电量之间的预估误差，直至该预估误差最小，或者，满足预估更新次数，即可确定当前模型参数下的电量预估模型为上述更新预估模型。
96.本实施例中，终端将实时用电量和历史用电量作为训练样本，对电量预估模型进行训练，得到更新预估模型，并根据电量预估模型和更新预估模型确定预估结果更为准确的目标预估模型，具体通过更新第一时段对电量预估模型进行参数更新操作，以得到更新预估模型，实现电量预估模型的在线更新。
97.在其中一个实施例，还需要在电量预估模型和更新预估模型中确定预估结果更为准确的目标预估模型，如图5所示，上述s130则包括：
98.s510、在训练样本中获取第三时段的实际用电量，并将第三时段的实际用电量输入电量预估模型，得到第三时段所对应的第四时段的第一预估用电量。
99.其中，对于第三时段和对应第四时段的解释与第一时段和对应第二时段相同，第三时段的实际用电量即为输入预估模型的用电量，对应第四时段的预估用电量即为预估模型所输出的用电量。第三时段即为与输入预估模型的用电量的产生时刻所匹配的时段，第四时段即为与预估模型输出的用电量的产生时刻所匹配的时段，第三时段和第四时段对应设置。可选地，第三时段可以与第以时段相同，相应地第四时段即与第二时段相同。
100.可选地，第三时段可以是满足第三时间长度的历史时段，第四时段是满足第四时间长度的历史时段，第三时段长度和第四时间长度对应设置。例如，第三时间长度即为10个月，对应的第四时间长度即为1个月。
101.具体地，终端将训练样本中第三时段的实际用电量输入电量预估模型，进而由电量预估模型输出第三时段所对应第四时段的第一预估用电量。例如，训练样本包括1～12月共12个月的用电量，终端可将1～10月(第三时段)的10个月的实际用电量输入电量预估模型，电量预估模型输出11月(第四时段)的第一预估用电量e1。
102.s520、将第三时段的实际用电量输入更新预估模型，得到第三时段所对应的第四时段的第二预估用电量。
103.具体地，得到更新预估模型后，终端再将第三时段的实际用电量输入该更新预估模型，进而由该更新预估模型输出第三时段所对应的第四时段的第二预估用电量。例如，终端再将1～10月(第三时段)的10个月的实际用电量输入更新预估模型，更新预估模型输出11月(第四时段)的第二预估用电量e2。
104.s530、在训练样本中获取第四时段的实际用电量。
105.s540、根据第四时段的第一预估用电量、第四时段的第二预估用电量和第四时段的实际用电量确定目标预估模型。
106.具体地，终端在训练样本中获取产生时刻与第四时段匹配的实际用电量，进而根据第四时段的实际用电量、第四时段的第一预估用电量以及第四时段的第二预估用电量在上述电量预估模型和更新预估模型中确定目标预估模型。
107.可选地，终端可根据第四时段的第一预估用电量、第二预估用电量分别与第四时段的实际用电量之间的预估误差确定预估准确性更高的预估模型为上述目标预估模型。
108.在一可选地实施例中，如图6所示，上述s540具体包括：
109.s610、获取第四时段的第一预估用电量与第四时段的实际用电量之间的第一预估误差。
110.s620、获取第四时段的第二预估用电量与第四时段的实际用电量之间的第二预估误差。
111.具体地，终端计算第四时段的第一预估用电量与第四时段的实际用电量之间的第一预估误差，以及第四时段的第二预估用电量与第四时段的实际用电量之间的第二预估误差，进而根据第一预估误差和第二预估误差在电量预估模型和更新预估模型中确定预估准确性更高的预估模型为上述目标预估模型。
112.s630、若第一预估误差小于第二预估误差，则确定电量预估模型为目标预估模型。
113.s640、若第一预估误差不小于第二预估误差，则确定更新预估模型为目标预估模
型。
114.具体地，终端比较第一预估误差与第二预估误差的大小，根据比较确定目标预估模型。其中，若第一预估误差小于第二预估误差，则确定电量预估模型为目标预估模型；若第一预估误差不小于第二预估误差，则确定更新预估模型为目标预估模型。即若|e1-e|＜|e2-e|，电量预估模型为目标预估模型；若|e1-e|≥|e2-e|，更新预估模型为目标预估模型，e为第四时段的实际用电量。
115.本实施例中，终端在训练样本中获取第三时段的实际用电量，并将第三时段的实际用电量输入电量预估模型，得到第三时段所对应的第四时段的第一预估用电量，将第三时段的实际用电量输入更新预估模型，得到第三时段所对应的第四时段的第二预估用电量，并在训练样本中获取第四时段的实际用电量，进而根据第四时段的第一预估用电量、第四时段的第二预估用电量分别与第四时段的实际用电量之间的预估误差在电量预估模型和更新预估模型中确定预估准确性更高的预估模型为目标预估模型。通过上述方法使得目标预估模型不断准确性更高的方向更新，确保了预估结果的准确性。
116.应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
117.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的用电量预估方法的用电量预估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个用电量预估装置实施例中的具体限定可以参见上文中对于用电量预估方法的限定，在此不再赘述。
118.在一个实施例中，如图7所示，提供了一种用电量预估装置，包括：电量获取模块701、目标确定模块702和电量预估模型703，其中：
119.电量获取模块701用于获取待分析对象的实时用电量和历史用电量；
120.目标确定模块702用于根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；
121.电量预估模型703用于将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时用电量和部分历史用电量。
122.在其中一个实施例中，上述电量获取模块701还用于：
123.将实时用电量和历史用电量合并，作为新的历史用电量；获取待分析对象的新的实时用电量，根据新的实时用电量和新的历史用电量对目标预估模型进行训练，确定新的目标预估模型。
124.在其中一个实施例中，目标确定模块702具体用于：
125.将实时用电量和历史用电量作为训练样本，对电量预估模型进行训练，得到更新预估模型；根据电量预估模型和更新预估模型确定目标预估模型。
126.在其中一个实施例中，目标确定模块702具体用于：
127.在训练样本中获取第一时段的实际用电量，根据第一时段的实际用电量对电量预估模型进行参数更新操作，得到更新预估模型；其中，参数更新操作包括：调节电量预估模型中的模型参数，将第一时段的实际用电量输入调节后的电量预估模型，得到对应第二时段的预估用电量；在训练样本中获取第二时段的实际用电量，计算第二时段的预估用电量和第二时段的实际用电量之间的预估误差；更新第一时段，重复执行参数更新操作，直至预估误差最小，得到更新预估模型。
128.在其中一个实施例中，目标确定模块702具体用于：
129.在训练样本中获取第三时段的实际用电量，并将第三时段的实际用电量输入电量预估模型，得到第三时段所对应的第四时段的第一预估用电量；将第三时段的实际用电量输入更新预估模型，得到第三时段所对应的第四时段的第二预估用电量；在训练样本中获取第四时段的实际用电量；根据第四时段的第一预估用电量、第四时段的第二预估用电量和第四时段的实际用电量确定目标预估模型。
130.在其中一个实施例中，目标确定模块702具体用于：
131.获取第四时段的第一预估用电量与第四时段的实际用电量之间的第一预估误差；获取第四时段的第二预估用电量与第四时段的实际用电量之间的第二预估误差；若第一预估误差小于第二预估误差，则确定电量预估模型为目标预估模型；若第一预估误差不小于第二预估误差，则确定更新预估模型为目标预估模型。
132.上述用电量预估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。
133.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8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、通信接口、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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种用电量预估方法。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。
134.本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术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。
135.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：
136.获取待分析对象的实时用电量和历史用电量；根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时
用电量和部分历史用电量。
137.在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
138.将实时用电量和历史用电量合并，作为新的历史用电量；获取待分析对象的新的实时用电量，根据新的实时用电量和新的历史用电量对目标预估模型进行训练，确定新的目标预估模型。
139.在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
140.将实时用电量和历史用电量作为训练样本，对电量预估模型进行训练，得到更新预估模型；根据电量预估模型和更新预估模型确定目标预估模型。
141.在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
142.在训练样本中获取第一时段的实际用电量，根据第一时段的实际用电量对电量预估模型进行参数更新操作，得到更新预估模型；其中，参数更新操作包括：调节电量预估模型中的模型参数，将第一时段的实际用电量输入调节后的电量预估模型，得到对应第二时段的预估用电量；在训练样本中获取第二时段的实际用电量，计算第二时段的预估用电量和第二时段的实际用电量之间的预估误差；更新第一时段，重复执行参数更新操作，直至预估误差最小，得到更新预估模型。
143.在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
144.在训练样本中获取第三时段的实际用电量，并将第三时段的实际用电量输入电量预估模型，得到第三时段所对应的第四时段的第一预估用电量；将第三时段的实际用电量输入更新预估模型，得到第三时段所对应的第四时段的第二预估用电量；在训练样本中获取第四时段的实际用电量；根据第四时段的第一预估用电量、第四时段的第二预估用电量和第四时段的实际用电量确定目标预估模型。
145.在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
146.获取第四时段的第一预估用电量与第四时段的实际用电量之间的第一预估误差；获取第四时段的第二预估用电量与第四时段的实际用电量之间的第二预估误差；若第一预估误差小于第二预估误差，则确定电量预估模型为目标预估模型；若第一预估误差不小于第二预估误差，则确定更新预估模型为目标预估模型。
147.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：
148.获取待分析对象的实时用电量和历史用电量；根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时用电量和部分历史用电量。
149.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
150.将实时用电量和历史用电量合并，作为新的历史用电量；获取待分析对象的新的实时用电量，根据新的实时用电量和新的历史用电量对目标预估模型进行训练，确定新的目标预估模型。
151.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
152.将实时用电量和历史用电量作为训练样本，对电量预估模型进行训练，得到更新预估模型；根据电量预估模型和更新预估模型确定目标预估模型。
153.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
154.在训练样本中获取第一时段的实际用电量，根据第一时段的实际用电量对电量预估模型进行参数更新操作，得到更新预估模型；其中，参数更新操作包括：调节电量预估模型中的模型参数，将第一时段的实际用电量输入调节后的电量预估模型，得到对应第二时段的预估用电量；在训练样本中获取第二时段的实际用电量，计算第二时段的预估用电量和第二时段的实际用电量之间的预估误差；更新第一时段，重复执行参数更新操作，直至预估误差最小，得到更新预估模型。
155.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
156.在训练样本中获取第三时段的实际用电量，并将第三时段的实际用电量输入电量预估模型，得到第三时段所对应的第四时段的第一预估用电量；将第三时段的实际用电量输入更新预估模型，得到第三时段所对应的第四时段的第二预估用电量；在训练样本中获取第四时段的实际用电量；根据第四时段的第一预估用电量、第四时段的第二预估用电量和第四时段的实际用电量确定目标预估模型。
157.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
158.获取第四时段的第一预估用电量与第四时段的实际用电量之间的第一预估误差；获取第四时段的第二预估用电量与第四时段的实际用电量之间的第二预估误差；若第一预估误差小于第二预估误差，则确定电量预估模型为目标预估模型；若第一预估误差不小于第二预估误差，则确定更新预估模型为目标预估模型。
159.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
160.获取待分析对象的实时用电量和历史用电量；根据实时用电量和历史用电量对电量预估模型进行训练，确定目标预估模型；将参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量；其中，参考时段的实际用电量包括实时用电量和部分历史用电量。
161.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
162.将实时用电量和历史用电量合并，作为新的历史用电量；获取待分析对象的新的实时用电量，根据新的实时用电量和新的历史用电量对目标预估模型进行训练，确定新的目标预估模型。
163.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
164.将实时用电量和历史用电量作为训练样本，对电量预估模型进行训练，得到更新预估模型；根据电量预估模型和更新预估模型确定目标预估模型。
165.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
166.在训练样本中获取第一时段的实际用电量，根据第一时段的实际用电量对电量预估模型进行参数更新操作，得到更新预估模型；其中，参数更新操作包括：调节电量预估模型中的模型参数，将第一时段的实际用电量输入调节后的电量预估模型，得到对应第二时段的预估用电量；在训练样本中获取第二时段的实际用电量，计算第二时段的预估用电量和第二时段的实际用电量之间的预估误差；更新第一时段，重复执行参数更新操作，直至预估误差最小，得到更新预估模型。
167.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
168.在训练样本中获取第三时段的实际用电量，并将第三时段的实际用电量输入电量预估模型，得到第三时段所对应的第四时段的第一预估用电量；将第三时段的实际用电量输入更新预估模型，得到第三时段所对应的第四时段的第二预估用电量；在训练样本中获取第四时段的实际用电量；根据第四时段的第一预估用电量、第四时段的第二预估用电量和第四时段的实际用电量确定目标预估模型。
169.在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
170.获取第四时段的第一预估用电量与第四时段的实际用电量之间的第一预估误差；获取第四时段的第二预估用电量与第四时段的实际用电量之间的第二预估误差；若第一预估误差小于第二预估误差，则确定电量预估模型为目标预估模型；若第一预估误差不小于第二预估误差，则确定更新预估模型为目标预估模型。
171.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，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
172.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。
173.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。