基于用水用电隐私数据的水电调整方法、装置、电子设备与流程

1.本公开的实施例涉及计算机技术领域，具体涉及基于用水用电隐私数据的水电调整方法、装置、电子设备。


背景技术：

2.为判别一个单位区域(小区/楼层/住宅)是否有新增人员，只能通过自行上报和防疫人员上门调研的方式，造成对新增人员的检查监控时效滞后、易遗漏，影响防疫效果。目前，判别一个单位区域是否有新增人员，通常采用的方式为：通过防疫人员上门核对，进行查验。
3.然而，采用上述方式通常会存在以下技术问题：
4.第一，通过防疫人员上门核对，时效性较低，核对时间较长；
5.第二，未通过单位区域的实际用水量与用电量进行判别，导致检测出的单位区域中的人员数量的准确性较低，当检测出的人员数量大于实际人员数量时，容易提供较多的防疫物资，造成防疫物资的浪费；
6.第三，未综合考虑单位区域的实际用水量与用电量之间的关系，导致检测出的单位区域中的人员数量的准确性较低，当检测出的人员数量小于实际人员数量，容易造成供水量与供电负荷不足。
7.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。


技术实现要素：

8.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
9.本公开的一些实施例提出了基于用水用电隐私数据的水电调整方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
10.第一方面，本公开的一些实施例提供了一种基于用水用电隐私数据的水电调整方法，该方法包括：获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集；基于上述用电样本集与上述用水样本集，对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型；采集目标电力节点在预设时间段内的用电信息和用水信息；将上述用电信息和上述用水信息输入至上述电力节点用户数量识别模型中，得到电力节点用户识别数量；根据上述电力节点用户识别数量，调整上述目标电力节点的供水量与供电负荷。
11.第二方面，本公开的一些实施例提供了一种基于用水用电隐私数据的水电调整装置，装置包括：获取单元，被配置成获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集；训练单元，被配置成基于上述用电样本集与上述用水样
本集，对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型；采集单元，被配置成采集目标电力节点在预设时间段内的用电信息和用水信息；输入单元，被配置成将上述用电信息和上述用水信息输入至上述电力节点用户数量识别模型中，得到电力节点用户识别数量；调整单元，被配置成根据上述电力节点用户识别数量，调整上述目标电力节点的供水量与供电负荷。
12.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
13.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
14.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于用水用电隐私数据的水电调整方法，提高了检验的时效性，缩短了核对时间。具体来说，核对时间较长的原因在于：通过防疫人员上门核对，时效性较低。基于此，本公开的一些实施例的基于用水用电隐私数据的水电调整方法，首先，获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集。由此，为训练电力节点用户数量识别模型提供了数据支持。其次，基于上述用电样本集与上述用水样本集，对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型。由此，可以根据电力节点对应的用电样本与用水样本，训练出用于识别单位区域(电力节点)中的人员数量的模型。从而，可以根据单位区域(电力节点)的用电信息与用水信息，检验出单位区域中的人员数量。接着，采集目标电力节点在预设时间段内的用电信息和用水信息。然后，将上述用电信息和上述用水信息输入至上述电力节点用户数量识别模型中，得到电力节点用户识别数量。由此，可以通过单一电力节点(目标电力节点)的用电信息和用水信息，识别出单位区域(电力节点)中的人员数量。最后，根据上述电力节点用户识别数量，调整上述目标电力节点的供水量与供电负荷。由此，可以直接根据用电量和用水量检测出单位区域(电力节点) 中的人员数量。提高了检验的时效性，缩短了核对时间。
附图说明
15.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
16.图1是根据本公开的基于用水用电隐私数据的水电调整方法的一些实施例的流程图；
17.图2是根据本公开的基于用水用电隐私数据的水电调整装置的一些实施例的结构示意图；
18.图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
19.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这
里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
20.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
21.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
22.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
23.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
24.下面将参考附图并结合实施例来详细说明本公开。
25.图1是根据本公开的基于用水用电隐私数据的水电调整方法的一些实施例的流程图。示出了根据本公开的基于用水用电隐私数据的水电调整方法的一些实施例的流程100。该基于用水用电隐私数据的水电调整方法，包括以下步骤：
26.步骤101，获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集。
27.在一些实施例中，基于用水用电隐私数据的水电调整方法的执行主体(例如服务器)可以通过有线连接或无线连接的方式从终端设备中获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集。这里，目标区域可以是预先划分的区域。例如，目标区域可以是市、区、县等。电力节点可以是指某一单位区域的电力节点。例如，电力节点可以表征单位区域(小区)的电表节点。
28.实践中，上述执行主体可以通过以下步骤获取目标区域内每个电力节点对应的用电样本与用水样本：
29.第一步，获取上述电力节点对应的用户编号序列、用户总数与电力节点标识。用户编号可以是指在电力节点对应的单位区域的住宅编号。电力节点标识可以表征单位区域的电表标识。
30.第二步，获取上述用户编号序列在第一历史时间段内的用电量序列。其中，上述用户编号序列中的用户编号对应上述用电量序列中的用电量。这里，第一历史时间段的时长可以是一个月。用电量可以表示一用户编号一个月的总用电量。
31.第三步，根据上述用户编号序列、上述用户总数、上述电力节点标识与上述用电量序列，生成用电样本。
32.实践中，上述第三步可以包括以下子步骤：
33.第一子步骤，将上述用电量序列包括的各个用电量的总和确定为总用电量。
34.第二子步骤，将上述总用电量与上述用户总数的比值确定为人均用电量。
35.第三子步骤，获取上述用户编号序列在第二历史时间段内的历史用电量序列。其中，上述用户编号序列中的用户编号对应上述历史用电量序列中的历史用电量。这里，第二历史时间段的时长可以是一周。历史用电量可以表示一用户编号一周的总用电量。
36.第四子步骤，将上述历史用电量序列包括的各个历史用电量的总和与目标时长的比值确定为历史平均用电量。其中，上述目标时长为上述第二历史时间段的时长。
37.第五子步骤，将上述电力节点对应的当前日用电量与上述历史平均用电量的比值确定为平均日用电量比率。
38.第六子步骤，将上述当前日用电量与对应上述当前日用电量的历史日用电量的差值确定为日用电量差值。这里，对应上述当前日用电量的历史日用电量可以是指当前日期的前一周的前一天的日用电量。
39.第七子步骤，将上述日用电量差值与上述历史日用电量的比值确定为日用电量同比差异率。
40.第八子步骤，将上述当前日用电量与上述当前日用电量的前一日用电量的差值确定为环比日用电量差值。
41.第九子步骤，将上述环比日用电量差值与上述前一日用电量的比值确定为日用电量环比差异率。
42.第十子步骤，将上述用户总数确定为用电样本标签。
43.第十一子步骤，将上述用户编号序列、上述电力节点标识、日期类型、上述人均用电量、上述平均日用电量比率、上述日用电量同比差异率、上述日用电量环比差异率与上述用电样本标签组合为上述电力节点对应的用电样本。这里，组合可以是指合并。
44.第四步，获取上述电力节点对应的用户编号序列、用户总数与水力节点标识。水力节点标识可以表征单位区域的水表标识。
45.第五步，获取上述用户编号序列在第一历史时间段内的用水量序列。其中，上述用户编号序列中的用户编号对应上述用水量序列中的用水量。用水量可以表示一用户编号一个月的总用水量。
46.第六步，根据上述用户编号序列、上述用户总数、上述水力节点标识与上述用水量序列，生成用水样本。
47.实践中，上述第六步可以包括以下子步骤：
48.第一子步骤，将上述用水量序列包括的各个用水量的总和确定为总用水量。
49.第二子步骤，将上述总用水量与上述用户总数的比值确定为人均用水量。
50.第三子步骤，获取上述用户编号序列在第二历史时间段内的历史用水量序列。其中，上述用户编号序列中的用户编号对应上述历史用水量序列中的历史用水量。这里，第二历史时间段的时长可以是一周。历史用水量可以表示一用户编号一周的总用水量。
51.第四子步骤，将上述历史用水量序列包括的各个历史用水量的总和与目标时长的比值确定为历史平均用水量。其中，上述目标时长为上述第二历史时间段的时长。
52.第五子步骤，将上述电力节点对应的当前日用水量与上述历史平均用水量的比值确定为平均日用水量比率。
53.第六子步骤，将上述当前日用水量与对应上述当前日用水量的历史日用水量的差值确定为日用水量差值。这里，对应上述当前日用水量的历史日用水量可以是指当前日期的前一周的前一天的日用水量。
54.第七子步骤，将上述日用水量差值与上述历史日用水量的比值确定为日用水量同比差异率。
55.第八子步骤，将上述当前日用水量与上述当前日用水量的前一日用水量的差值确定为环比日用水量差值。
56.第九子步骤，将上述环比日用水量差值与上述前一日用水量的比值确定为日用水量环比差异率。
57.第十子步骤，将上述用户总数确定为用水样本标签。
58.第十一子步骤，将上述用户编号序列、日期类型、上述人均用水量、上述平均日用水量比率、上述日用水量同比差异率、上述日用水量环比差异率与上述用水样本标签组合为上述电力节点对应的用水样本。组合可以是指合并。
59.上述步骤101中的相关内容作为本公开的一个发明点，由此解决了背景技术提及的技术问题二“造成防疫物资的浪费。”。造成防疫物资的浪费的因素往往如下：未通过单位区域的实际用水量与用电量进行判别，导致检测出的单位区域中的人员数量的准确性较低，当检测出的人员数量大于实际人员数量时，容易提供较多的防疫物资。如果解决了上述因素，就能达到减少防疫物资的浪费的效果。为了达到这一效果，首先，获取上述电力节点对应的用户编号序列、用户总数与电力节点标识。其次，获取上述用户编号序列在第一历史时间段内的用电量序列。由此，可以根据单位区域的实际用电量，检测单位区域中的人员数量。接着，根据上述用户编号序列、上述用户总数、上述电力节点标识与上述用电量序列，生成用电样本。由此，为训练初始电力节点用户数量识别模型，提供了数据支持。从而，使得所训练的模型可以根据用电量识别单位区域的人员数量。然后，获取上述电力节点对应的用户编号序列、用户总数与水力节点标识。再然后，获取上述用户编号序列在第一历史时间段内的用水量序列。由此，可以根据单位区域的实际用水量，检测单位区域中的人员数量。最后，根据上述用户编号序列、上述用户总数、上述水力节点标识与上述用水量序列，生成用水样本。由此，为训练初始电力节点用户数量识别模型，提供了数据支持。从而，使得所训练的模型可以根据用水量识别单位区域的人员数量。由此，可以使得检测出的人员数量贴合于实际的人员数量，从而，使得提供的防疫物资贴合于实际需求，减少了防疫物资的浪费。
60.步骤102，基于上述用电样本集与上述用水样本集，对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型。
61.在一些实施例中，上述执行主体可以基于上述用电样本集与上述用水样本集，对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型。上述初始电力节点用户数量识别模型包括：初始电力用户数量识别模型与初始水力用户数量识别模型。这里，初始电力用户数量识别模型可以是指未经训练的卷积神经网络模型。初始水力用户数量识别模型可以是指未经训练的卷积神经网络模型。
62.实践中，基于上述用电样本集与上述用水样本集，上述执行主体可以通过以下步骤对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型：
63.第一步，从上述用电样本集中选择出用电样本。这里，可以随机从上述用电样本集中选择出一个用电样本。
64.第二步，从上述用水样本集中选择出用水样本。这里，可以随机从上述用水样本集中选择出一个用水样本。
65.第三步，将上述用电样本输入至上述初始电力节点用户数量识别模型中，得到电
力节点用户数量识别结果。这里，电力节点用户数量识别结果可以表征识别出的上述用电样本对应的用户数量。
66.第四步，将上述用水样本输入至上述初始水力用户数量识别模型中，得到水力用户数量识别结果。这里，水力用户数量识别结果可以表征识别出的上述用水样本对应的用户数量。
67.第五步，基于第一预设损失函数，确定上述电力节点用户数量识别结果与上述用电样本包括的用电样本标签之间的用电损失值。第一损失函数可以包括但不限于：均方误差损失函数(mse)、合页损失函数(svm)、交叉熵损失函数(crossentropy)等等。
68.第六步，基于第二预设损失函数，确定上述水力用户数量识别结果与上述用水样本包括的用水样本标签之间的用水损失值。第二损失函数可以包括但不限于：均方误差损失函数(mse)、合页损失函数 (svm)、交叉熵损失函数(crossentropy)等等。
69.第七步，响应于确定上述用电损失值大于等于预设用电损失值，根据上述用电损失值，对上述初始电力节点用户数量识别模型的网络参数进行反向求导，得到电力梯度值。这里，电力梯度值可以是指初始电力节点用户数量识别模型的梯度数据。
70.第八步，响应于确定上述用水损失值大于等于预设用水损失值，根据上述用水损失值，对上述初始水力用户数量识别模型的网络参数进行反向求导，得到水力梯度值。这里，水力梯度值可以是指初始水力用户数量识别模型的梯度数据。
71.第九步，根据上述水力梯度值，调整上述初始电力节点用户数量识别模型的网络参数。例如，可以确定上述用电损失值与预设用电损失值之间的用电误差值。在此基础上，根据水力梯度值，利用反向传播、随机梯度下降等方法将用电误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结(dropout) 的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。
72.第十步，根据上述电力梯度值，调整上述初始水力用户数量识别模型的网络参数。例如，可以确定上述用水损失值与预设用水损失值之间的用水误差值。在此基础上，根据电力梯度值，利用反向传播、随机梯度下降等方法将用水误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结(dropout)的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。
73.需要说明的是，在交换水力梯度值与电力梯度值时，分别对水力梯度值与电力梯度值进行加密处理，以提升水力梯度值与电力梯度值的安全性。
74.上述步骤102中的相关内容作为本公开的一个发明点，由此解决了背景技术提及的技术问题三“容易造成供水量与供电负荷不足。”。确，容易造成供水量与供电负荷不足的因素往往如下：未综合考虑单位区域的实际用水量与用电量之间的关系，导致检测出的单位区域中的人员数量的准确性较低，当检测出的人员数量小于实际人员数量。如果解决了上述因素，就能达到减少供水量与供电负荷不足的效果。为了达到这一效果，首先，从上述用电样本集中选择出用电样本；从上述用水样本集中选择出用水样本。由此，为训练初始电力节点用户数量识别模型，提供了数据支持。其次，将上述用电样本输入至上述初始电力节点用户数量识别模型中，得到电力节点用户数量识别结果。由此，可以训练训练初始电力节点用户数量识别模型包括的初始电力用户数量识别模型。再其次，将上述用水样本输入至上述初始水力用户数量识别模型中，得到水力用户数量识别结果。由此，可以训练训练初始
电力节点用户数量识别模型包括的初始水力用户数量识别模型。接着，基于第一预设损失函数，确定上述电力节点用户数量识别结果与上述用电样本包括的用电样本标签之间的用电损失值。再接着，基于第二预设损失函数，确定上述水力用户数量识别结果与上述用水样本包括的用水样本标签之间的用水损失值。然后，响应于确定上述用电损失值大于等于预设用电损失值，根据上述用电损失值，对上述初始电力节点用户数量识别模型的网络参数进行反向求导，得到电力梯度值。响应于确定上述用水损失值大于等于预设用水损失值，根据上述用水损失值，对上述初始水力用户数量识别模型的网络参数进行反向求导，得到水力梯度值。由此，便于对初始电力用户数量识别模型与初始水力用户数量识别模型进行调整。之后，根据上述水力梯度值，调整上述初始电力节点用户数量识别模型的网络参数。由此，可以根据初始水力用户数量识别模型在训练过程中产生的梯度数据，调整初始电力节点用户数量识别模型的网络参数。最后，根据上述电力梯度值，调整上述初始水力用户数量识别模型的网络参数。由此，可以根据初始电力节点用户数量识别模型在训练过程中产生的梯度数据，调整初始水力用户数量识别模型的网络参数。从而，可以综合考虑用水量与用电量在训练过程中的梯度数据，调整初始电力节点用户数量识别模型与初始水力用户数量识别模型的网络参数。进而，提升所训练的电力节点用户数量识别模型对单位区域中的人员数量的识别的准确性。由此，可以根据预测出的用户数量，向用户提供适配的供水量与供电负荷，以减少部分用户的供水量与供电负荷不足的问题。
75.可选地，响应于确定上述用电损失值小于上述预设用电损失值，且上述用水损失值小于上述预设用水损失值，将初始电力节点用户数量识别模型确定为电力节点用户数量识别模型。
76.在一些实施例中，上述执行主体可以响应于确定上述用电损失值小于上述预设用电损失值，且上述用水损失值小于上述预设用水损失值，将初始电力节点用户数量识别模型确定为电力节点用户数量识别模型。
77.步骤103，采集目标电力节点在预设时间段内的用电信息和用水信息。
78.在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备采集目标电力节点在预设时间段内的用电信息和用水信息。这里，目标电力节点可以是指待检测人员数量的单位区域的电力节点。这里，用电信息可以是指目标电力节点对应的各个用户在预设时间段内的用电信息，可以包括但不限于：目标用电量序列。目标用电量可以是指单一用户编号在预设时间段内的用电量。用水信息可以是指目标电力节点对应的各个用户在预设时间段内的用水信息，可以包括但不限于：目标用水量序列。目标用水量可以是指单一用户编号在预设时间段内的用水量。
79.步骤104，将上述用电信息和上述用水信息输入至上述电力节点用户数量识别模型中，得到电力节点用户识别数量。
80.在一些实施例中，上述执行主体可以将上述用电信息和上述用水信息输入至上述电力节点用户数量识别模型中，得到电力节点用户识别数量。
81.步骤105，根据上述电力节点用户识别数量，调整上述目标电力节点的供水量与供电负荷。
82.在一些实施例中，上述执行主体可以根据上述电力节点用户识别数量，调整上述目标电力节点的供水量与供电负荷。实践中，响应于确定上述电力节点用户识别数量大于
历史用户数量，增大目标电力节点对应的供水量与供电负荷。这里，对于增大的供水量与供电负荷的具体数值，可以根据实际电力节点用户识别数量的变化量进行调整。再例如，响应于确定上述电力节点用户识别数量小于历史用户数量，减小目标电力节点对应的供水量与供电负荷。这里，历史用户数量可以是指上一次采集的目标电力节点的用户数量。
83.可选地，响应于确定上述电力节点用户识别数量大于历史用户数量，控制相关联的运输车辆向上述目标电力节点运输防疫物资。
84.在一些实施例中，上述执行主体可以响应于确定上述电力节点用户识别数量大于历史用户数量，控制相关联的运输车辆向上述目标电力节点运输防疫物资。这里，相关联的运输车辆可以是指于上述执行主体通信连接的用于运输防疫物资的车辆。这里，防疫物资可以包括但不限于：医用口罩、消毒液。
85.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于用水用电隐私数据的水电调整方法，提高了检验的时效性，缩短了核对时间。具体来说，核对时间较长的原因在于：通过防疫人员上门核对，时效性较低。基于此，本公开的一些实施例的基于用水用电隐私数据的水电调整方法，首先，获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集。由此，为训练电力节点用户数量识别模型提供了数据支持。其次，基于上述用电样本集与上述用水样本集，对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型。由此，可以根据电力节点对应的用电样本与用水样本，训练出用于识别单位区域(电力节点)中的人员数量的模型。从而，可以根据单位区域(电力节点)的用电信息与用水信息，检验出单位区域中的人员数量。接着，采集目标电力节点在预设时间段内的用电信息和用水信息。然后，将上述用电信息和上述用水信息输入至上述电力节点用户数量识别模型中，得到电力节点用户识别数量。由此，可以通过单一电力节点(目标电力节点)的用电信息和用水信息，识别出单位区域(电力节点)中的人员数量。最后，根据上述电力节点用户识别数量，调整上述目标电力节点的供水量与供电负荷。由此，可以直接根据用电量和用水量检测出单位区域(电力节点) 中的人员数量。提高了检验的时效性，缩短了核对时间。
86.进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种基于用水用电隐私数据的水电调整装置的一些实施例，这些基于用水用电隐私数据的水电调整装置实施例与图1所示的那些方法实施例相对应，该基于用水用电隐私数据的水电调整装置具体可以应用于各种电子设备中。
87.如图2所示，一些实施例的基于用水用电隐私数据的水电调整装置200包括：获取单元201、训练单元202、采集单元203、输入单元 204和调整单元205。其中，获取单元201，被配置成获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集；训练单元202，被配置成基于上述用电样本集与上述用水样本集，对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型；采集单元203，被配置成采集目标电力节点在预设时间段内的用电信息和用水信息；输入单元204，被配置成将上述用电信息和上述用水信息输入至上述电力节点用户数量识别模型中，得到电力节点用户识别数量；调整单元205，被配置成根据上述电力节点用户识别数量，调整上述目标电力节点的供水量与供电负荷。
88.可以理解的是，该基于用水用电隐私数据的水电调整装置200中记载的诸单元与
参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于基于用水用电隐私数据的水电调整装置200及其中包含的单元，在此不再赘述。
89.下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(例如服务器)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
90.如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(rom)302中的程序或者从存储装置308加载到随机访问存储器(ram)303中的程序而执行各种适当的动作和处理。在ram303中，还存储有电子设备 300操作所需的各种程序和数据。处理装置301、rom302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线 304。
91.通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置 306；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置 309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
92.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
93.需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom 或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机
可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
94.在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如， ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
95.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集；基于上述用电样本集与上述用水样本集，对初始电力节点用户数量识别模型进行训练，得到训练后的初始电力节点用户数量识别模型作为电力节点用户数量识别模型；采集目标电力节点在预设时间段内的用电信息和用水信息；将上述用电信息和上述用水信息输入至上述电力节点用户数量识别模型中，得到电力节点用户识别数量；根据上述电力节点用户识别数量，调整上述目标电力节点的供水量与供电负荷。
96.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
97.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
98.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、训练单元、采集单元、输入单元和调整单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标区域内每个电力节点对应的用电样本与用水样本，得到用电样本集与用水样本集的单元”。
99.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld) 等等。
100.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。