一种基于边缘分析的智慧小区电力监测管理方法及系统与流程

1.本发明涉及电力监测技术领域，特别地涉及一种基于边缘分析的智慧小区电力监测管理方法及系统。


背景技术：

2.随着大数据、物联网和人工智能的兴起，传统小区将向智慧小区进行转型；智慧小区包含了安防管理、便民服务和养老服务等方面；但是对于电力监测管理，还仅限于居民对用电量进行查询。
3.现如今，很多老人和小孩会经常忘关闭电器，从而导致电量的浪费，严重的还会发生安全事故；所以，需要对每一户居住房屋的用电量进行监测管理，但是由于居民的生活习惯、当天的天气和温度都存在差异，当前采用的方式为是将居民用电量和居民历史用电量的最大值进行对比，从而判断居民是否存在忘记关闭电器的现象；但这种方式存在较大误差；所以需要一种电力监测管理方法及系统，用于解决上述问题。


技术实现要素：

4.针对上述问题，本技术提供一种基于边缘分析的智慧小区电力监测管理方法及系统。
5.作为本技术的一个方面，提供一种基于边缘分析的智慧小区电力监测管理方法。
6.一种基于边缘分析的智慧小区电力监测管理方法，包括：
7.s1：智慧小区含有多个用电单元和一个智慧小区服务器；将智慧小区的用电单元视为边缘端sa，a＝1，2，3...a，其中，a为用电单元的编码，a为用电单元数量；
8.s2：获取边缘端sa的用电数据，用电数据包括用电消耗数据及对应的用电环境数据；用电消耗数据的形式为{q1，q2，q3...qi}，i＝1，2，3...i，其中，i表示将一天按照预设时间间隔划分为i段用电时间段，i为用电时间段编码，qi表示用电时间段i的用电消耗量；
9.s3：对边缘端sa的历史用电数据进行获取，并且将边缘端sa历史用电数据发送至智慧小区服务器进行分析，获取用电数据预测模型xa，并且将用电数据预测模型xa发送至边缘端sa；
10.s4：通过用电数据预测模型xa获取用电时间段i的预测用电消耗量，再通过用电时间段i的预测用电消耗量和用电消耗量qi获取用电时间段i的电量差异值；
11.s5：实时获取用电时间段i对应的电量差异值，当用电时间段i对应的电量差异值大于预设的电量差异值时，再判断后一用电时间段电量差异值是否大于预设的电量差异值j，若后一用电时间段的电量差异值大于预设的电量差异值j，则判定判断边缘端sa存在用电量异常，反之，则无异常；
12.s6：对于存在异常用电量的边缘端sa，边缘端将异常信息发送至相关居民移动端，当边缘端sa接收到居民移动端发送的调控指令后，边缘端sa将自动调控相关设备。
13.进一步地，获取边缘端sa的用电数据预测模型xa的具体步骤如下：用电环境数据包
括季节数据、天气数据和日期种类数据；将季节数据分为b个季节种类tb，b＝1，2，3...b，其中，b为季节种类编码，b为季节种类数量；再将天气数据按照天气类型分为c种天气种类dc，c＝1，2，3...c，其中，c为天气种类编码，c为天气种类数量；再将日期种类数据按照日期类型分为e种日期种类fe，其中e＝1，2，3...e，其中，e为日期种类编码，e为日期种类数量；再通过季节种类、天气种类和日期种类获取用电环境类型yk，k＝1，2，3...k，其中，k为用电环境类型编码，k为用电环境类型数量，且k＝b
×c×
e；边缘端sa的历史用电数据为一个预设周期内每一天的用电数据；将历史用电数据中的用电环境数据和用电环境类型yk进行依次匹配，依次选取用电环境类型yk，并且进行如下操作：将匹配成功的用电环境数据所对应的用电消耗数据输入至用电环境类型yk对应放入用电消耗数据集合zk；再针对用电消耗数据集合zk，依次选取用电消耗数据集合zk，进行聚类分析，选取中间簇的用电数据作为用电环境类型yk的预测用电数据wk；最后将所有的用电环境类型yk以及相对应的预测用电数据wk作为用电数据预测模型xa。
14.进一步地，还包括对用电数据预测模型xa的定期更新，具体步骤如下：用电数据预测模型是基于历史用电数据，而历史用电数据是一个预设周期内的用电数据，所以，在智慧小区服务器确定用电数据预测模型xa的第二预设周期后，边缘端sa将第二预设周期内的用电环境数据和用电环境类型yk进行匹配，将第二预设周期内的用电环境数据对应的用电消耗数据输入至匹配成功的用电环境类型yk所对应的用电消耗数据集合zk；再基于聚类分析，重新获取预测用电数据wk，从而对用电数据预测模型xa进行更新。
15.进一步地，对于获取用电时间段的电量差异值的具体步骤如下：将边缘端sa此时的季节、天气种类、日期种类输入至用电数据预测模型xa，匹配到用电环境类型yk，并且获取用电环境类型yk所对应的预测用电数据wk，再获取预测用电数据wk在用电时间段i的预测用电消耗量li，再通过公式ki＝l
i-qi获取用电时间段i的电量差异值ki。
16.进一步地，判断边缘端sa是否存在用电量异常的步骤如下：对边缘端sa获取的用电数据中用电时间段i的用电消耗量qi进行实时获取，并且和相应的预测用电消耗量li进行实时计算，获取用电时间段i的电量差异值ki，当检测到电量差异值ki大于预设的电量差异值j，则对用电时间段i进行标注，再获取后一用电时间段i+1的预测用电消耗量l
i+1
，通过计算，获取用电时间段i+1的电量差异值k
i+1
，再将电量差异值k
i+1
和预设的电量差异值j进行对比，若电量差异值k
i+1
大于预设的电量差异值j，则判定判断边缘端sa存在用电量异常，反之，则不存在异常。
17.进一步地，还包括对用电消耗数据集合zk的清理，在对用电数据预测模型xa进行更新时，边缘端sa将第二预设周期内的用电环境数据和用电环境类型yk进行匹配，将第二预设周期内的用电环境数据对应的用电消耗数据输入至匹配成功的用电环境类型yk所对应的用电消耗数据集合zk，随着输入次数的增加，用电消耗数据集合zk中的用电消耗数据不断增加，当输入用电消耗数据个数超过预设用电数据个数阈值时，将获取所有用电消耗数据和中心簇用电消耗数据的相似度，并且将所有相似度和预设相似值进行对比，若用电消耗数据所获取的相似度小于预设相似值，则将此用电消耗数据进行删除，反之则无操作。
18.作为本技术的另一个方面，提供一种基于边缘分析的智慧小区电力监测管理系统。
19.一种基于边缘分析的智慧小区电力监测管理系统，包括：
20.边缘端用于获取用电数据，并且通过一个时间段的用电量判断此时间段的用电量是否存在异常，若存在异常，能对相关设备进行调控；智慧小区服务器用于接收用电数据，并且对用电数据进行分析建模；
21.边缘端包括用电数据获取模块、用电数据传输模块、用电量判断模块、异常用电量提醒模块和异常设备控制模块；
22.用电数据获取模块，用于获取边缘端的用电数据；
23.用电数据传输模块用于将边缘端一个预设周期内的用电数据传输至智慧小区服务器；还用于接智慧小区处理好的用电数据预测模型；
24.用电量判断模块用于判断用电时间段内的用电量是否存在异常；
25.异常用电量提醒模块，用于对存在异常用电量的边缘端进行提醒；
26.异常设备控制模块，用于根据移动端对异常设备进行控制；
27.智慧小区服务器包括用电数据处理模块，用于对边缘端上传的一个预设周期内的用电数据进行处理，获取用电数据预测模型，并且将用电量预测模块发送至边缘端。
28.进一步地，还包括用电预测模型更新模块，用于每隔第二预设周期，对用电数据预测模型进行更新。
29.本发明具有以下优点：
30.本发明通过获取一个时间段内的预测用电量，判断此时的用电量是否过高，从而判断是否存在忘关电器的情况；并且能够通过边缘端向相关人员发送异常提醒信息，相关人员能够通过移动端对相关电器进行控制；这有利于避免电力资源的浪费，也降低了安全风险。
附图说明
31.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
32.图1为本发明一种基于边缘分析的智慧小区电力监测管理系统的结构示意图。
具体实施方式
33.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，对本技术部分实施例进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。然而，本领域的普通技术人员可以理解，在本技术的各实施例中，为了使读者更好地理解本技术而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本技术所要求保护的技术方案。
34.实施例1
35.参见图1，本发明实施例1提供一种基于边缘分析的智慧小区电力监测管理方法。
36.一种基于边缘分析的智慧小区电力监测管理方法，包括；
37.s1：智慧小区含有多个用电单元和一个智慧小区服务器；将智慧小区的用电单元视为边缘端sa，a＝1，2，3...a，其中，a为用电单元的编码，a为用电单元数量。
38.需要说明的是，现在的智慧小区都存在一个智慧小区服务器，而且所有的居住单元都与智慧小区互相连接，便于管理；居住单元也能是用电单元。
39.s2：获取边缘端sa的用电数据，用电数据包括用电消耗数据及对应的用电环境数据；用电消耗数据的形式为{q1，q2，q3...qi}，i＝1，2，3...i，其中，i表示将一天按照预设时间间隔划分为i段用电时间段，i为用电时间段编码，qi表示用电时间段i的用电消耗量。
40.s3：对边缘端sa的历史用电数据进行获取，并且将边缘端sa历史用电数据发送至智慧小区服务器进行分析，获取用电数据预测模型xa，并且将用电数据预测模型xa发送至边缘端sa。
41.需要说明的是，获取边缘端sa的用电数据预测模型xa的具体步骤如下：用电环境数据包括季节数据、天气数据和日期种类数据；将季节数据分为b个季节种类tb，b＝1，2，3...b，其中，b为季节种类编码，b为季节种类数量，例如，即为春天、夏天、秋天和冬天；再将天气数据按照天气类型分为c种天气种类dc，c＝1，2，3...c，其中，c为天气种类编码，c为天气种类数量，例如，晴天、下雨天、下雪天等；再将日期种类数据按照日期类型分为e种日期种类fe，其中e＝1，2，3...e，其中，e为日期种类编码，e为日期种类数量，例如，工作日、双休日和节假日；再通过季节种类、天气种类和日期种类获取用电环境类型yk，k＝1，2，3...k，其中，k为用电环境类型编码，k为用电环境类型数量，且k＝b
×c×
e；边缘端sa的历史用电数据为一个预设周期内每一天的用电数据；将历史用电数据中的用电环境数据和用电环境类型yk进行依次匹配，依次选取用电环境类型yk，并且进行如下操作：将匹配成功的用电环境数据所对应的用电消耗数据输入至用电环境类型yk对应放入用电消耗数据集合zk；再针对用电消耗数据集合zk，依次选取用电消耗数据集合zk，进行聚类分析，选取中间簇的用电数据作为用电环境类型yk的预测用电数据wk；最后将所有的用电环境类型yk以及相对应的预测用电数据wk作为用电数据预测模型xa。
42.此外，还包括对用电数据预测模型xa的定期更新，具体步骤如下：用电数据预测模型是基于历史用电数据，而历史用电数据是一个预设周期内的用电数据，所以，在智慧小区服务器确定用电数据预测模型xa的第二预设周期后，边缘端sa将第二预设周期内的用电环境数据和用电环境类型yk进行匹配，将第二预设周期内的用电环境数据对应的用电消耗数据输入至匹配成功的用电环境类型yk所对应的用电消耗数据集合zk；再基于聚类分析，重新获取预测用电数据wk，从而对用电数据预测模型xa进行更新；例如，历史用电量数据是一年内的用电数据，在确定用电数据预测模型xa后，每隔一天上传一次用电数据，再将新的一年内的用电数据发送至智慧小区服务器，智慧小区服务器再重新获取用电数据预测模型xa，并且将用电量模型xa发送至边缘端sa。
43.s4：通过用电数据预测模型xa获取用电时间段i的预测用电消耗量，再通过用电时间段i的预测用电消耗量和用电消耗量qi获取用电时间段i的电量差异值。
44.需要说明的是，对于获取用电时间段hn的电量差异值的具体步骤如下：将边缘端sa此时的季节、天气种类、日期种类输入至用电数据预测模型xa，匹配到用电环境类型yk，并且获取用电环境类型yk所对应的预测用电数据wk，再获取预测用电数据wk在用电时间段i的预测用电消耗量li，再通过公式ki＝l
i-qi获取用电时间段i的电量差异值ki；例如，居民在炎热的夏季的大晴天，而且还是双休日的下午两点半，将这些特征输入至用电数据预测模型xa后能够获取到预测下午两点半到下午三点半的预测用电量，再将预测用电量和实际用电量
进行作差，获取这两个用电量的差异值。
45.s5：实时获取用电时间段i对应的电量差异值，当用电时间段i对应的电量差异值大于预设的电量差异值时，再判断后一用电时间段电量差异值是否大于预设的电量差异值j，若后-用电时间段的电量差异值大于预设的电量差异值j，则判定判断边缘端sa存在用电量异常，反之，则无异常。
46.需要说明的是，判断边缘端sa是否存在用电量异常的步骤如下：对边缘端sa获取的用电数据中用电时间段i的用电消耗量qi进行实时获取，并且和相应的预测用电消耗量li进行实时计算，获取用电时间段i的电量差异值ki，当检测到电量差异值ki大于预设的电量差异值j，则对用电时间段i进行标注，再获取后一用电时间段i+1的预测用电消耗量l
i+1
，通过计算，获取用电时间段i+1的电量差异值k
i+1
，再将电量差异值k
i+1
和预设的电量差异值j进行对比，若电量差异值k
i+1
大于预设的电量差异值j，则判定判断边缘端sa存在用电量异常，反之，则不存在异常；例如，同样是在夏季的大晴天的工作日的中午，住户一般都是中午在家吃饭，因为天气过热，住户打开了空调，但因为下午两点半需要上班，所以需要关闭空调去上班；将季节、天气、日期和时间段输入至预测模型后，能够获取到这段时间的预测用电量，然后跟实际用电量进行对比，会发现实际用电量大于预测用电量，而且实际用电量与预测用电量的差值大于预设电量差异值，则说明这个用电时间段的用电量可能存在异常，为了进一步确定住户用电量是否存在异常，获取下一个时间段的实际用电量和预测用电量，再进行对比，若实际用电量仍然大于预测用电量，且实际用电量与预测用电量的差值大于预设电量差异值，则说明住户用电量存在异常，很有可能就是空调没有关，而住户已经去上班了
．
47.s6：对于存在异常用电量的边缘端sa，边缘端将异常信息发送至相关居民移动端，当边缘端sa接收到居民移动端发送的调控指令后，边缘端sa将自动调控相关设备。
48.需要说明的是，很多时候，用电量存在异常很可能是因为老人或者小孩忘记关电器或者不知道怎么关，导致用电量在用电时间段中高于预测的用电量，所以，当检测到用电量存在异常后的第一时间，会将异常信息通过无线通信的方式发送至监护人的移动端，监护人可以通过移动端查看家中电器的状态，如果确定是电器存在忘关的现象，则可以通过远程控制将忘关的电器进行关闭。
49.此外，还包括对用电消耗数据集合zk的清理，在对用电数据预测模型xa进行更新时，边缘端sa将第二预设周期内的用电环境数据和用电环境类型yk进行匹配，将第二预设周期内的用电环境数据对应的用电消耗数据输入至匹配成功的用电环境类型yk所对应的用电消耗数据集合zk，随着输入次数的增加，用电消耗数据集合zk中的用电消耗数据不断增加，当输入用电消耗数据个数超过预设用电数据个数阈值时，将获取所有用电消耗数据和中心簇用电消耗数据的相似度，并且将所有相似度和预设相似值进行对比，若用电消耗数据所获取的相似度小于预设相似值，则将此用电消耗数据进行删除，反之则无操作。
50.实施例2
51.一种基于边缘分析的智慧小区电力监测管理系统，包括：
52.边缘端用于获取用电数据，并且通过一个时间段的用电量判断此时间段的用电量是否存在异常，若存在异常，能对相关设备进行调控；智慧小区服务器用于接收用电数据，并且对用电数据进行分析建模；
53.边缘端包括用电数据获取模块、用电数据传输模块、用电量判断模块、异常用电量提醒模块和异常设备控制模块；
54.用电数据获取模块，用于获取边缘端的用电数据；
55.用电数据传输模块用于将边缘端一个预设周期内的用电数据传输至智慧小区服务器；还用于接智慧小区处理好的用电数据预测模型；
56.用电量判断模块用于判断用电时间段内的用电量是否存在异常；
57.异常用电量提醒模块，用于对存在异常用电量的边缘端进行提醒；
58.异常设备控制模块，用于根据移动端对异常设备进行控制；
59.智慧小区服务器包括用电数据处理模块，用于对边缘端上传的一个预设周期内的用电数据进行处理，获取用电数据预测模型，并且将用电量预测模块发送至边缘端。
60.进一步地，还包括用电预测模型更新模块，用于每隔第二预设周期，对用电数据预测模型进行更新。
61.本发明通过获取一个时间段内的预测用电量，判断此时的用电量是否过高，从而判断是否存在忘关电器的情况；并且能够通过边缘端向相关人员发送异常提醒信息，相关人员能够通过移动端对相关电器进行控制；这有利于避免电力资源的浪费，也降低了安全风险。
62.应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。

技术特征：
1.一种基于边缘分析的智慧小区电力监测管理方法，其特征在于，包括：s1：智慧小区含有多个用电单元和一个智慧小区服务器；将智慧小区的用电单元视为边缘端s
a
，a＝1，2，3
…
a，其中，a为用电单元的编码，a为用电单元数量；s2：获取边缘端s
a
的用电数据，用电数据包括用电消耗数据及对应的用电环境数据；用电消耗数据的形式为{q1，q2，q3…
q
i
}，i＝1，2，3
…
i，其中，i表示将一天按照预设时间间隔划分为i段用电时间段，i为用电时间段编码，q
i
表示用电时间段i的用电消耗量；s3：对边缘端s
a
的历史用电数据进行获取，并且将边缘端s
a
历史用电数据发送至智慧小区服务器进行分析，获取用电数据预测模型x
a
，并且将用电数据预测模型x
a
发送至边缘端s
a
；s4：通过用电数据预测模型x
a
获取用电时间段i的预测用电消耗量，再通过用电时间段i的预测用电消耗量和用电消耗量q
i
获取用电时间段i的电量差异值；s5：实时获取用电时间段i对应的电量差异值，当用电时间段i对应的电量差异值大于预设的电量差异值时，再判断后一用电时间段电量差异值是否大于预设的电量差异值j，若后一用电时间段的电量差异值大于预设的电量差异值j，则判定判断边缘端s
a
存在用电量异常，反之，则无异常；s6：对于存在异常用电量的边缘端s
a
，边缘端将异常信息发送至相关居民移动端，当边缘端s
a
接收到居民移动端发送的调控指令后，边缘端s
a
将自动调控相关设备。2.如权利要求1所述的一种基于边缘分析的智慧小区电力监测管理方法，其特征在于，获取边缘端s
a
的用电数据预测模型x
a
的具体步骤如下：用电环境数据包括季节数据、天气数据和日期种类数据；将季节数据分为b个季节种类t
b
，b＝1，2，3
…
b，其中，b为季节种类编码，b为季节种类数量；再将天气数据按照天气类型分为c种天气种类d
c
，c＝1，2，3
…
c，其中，c为天气种类编码，c为天气种类数量；再将日期种类数据按照日期类型分为e种日期种类f
e
，其中e＝1，2，3
…
e，其中，e为日期种类编码，e为日期种类数量；再通过季节种类、天气种类和日期种类获取用电环境类型y
k
，k＝1，2，3
…
k，其中，k为用电环境类型编码，k为用电环境类型数量，且k＝b
×
c
×
e；边缘端s
a
的历史用电数据为一个预设周期内每一天的用电数据；将历史用电数据中的用电环境数据和用电环境类型y
k
进行依次匹配，依次选取用电环境类型y
k
，并且进行如下操作：将匹配成功的用电环境数据所对应的用电消耗数据输入至用电环境类型y
k
对应放入用电消耗数据集合z
k
；再针对用电消耗数据集合z
k
，依次选取用电消耗数据集合z
k
，进行聚类分析，选取中间簇的用电数据作为用电环境类型y
k
的预测用电数据w
k
；最后将所有的用电环境类型y
k
以及相对应的预测用电数据w
k
作为用电数据预测模型x
a
。3.如权利要求2所述的一种基于边缘分析的智慧小区电力监测管理方法，其特征在于，还包括对用电数据预测模型x
a
的定期更新，具体步骤如下：用电数据预测模型是基于历史用电数据，而历史用电数据是一个预设周期内的用电数据，所以，在智慧小区服务器确定用电数据预测模型x
a
的第二预设周期后，边缘端s
a
将第二预设周期内的用电环境数据和用电环境类型y
k
进行匹配，将第二预设周期内的用电环境数据对应的用电消耗数据输入至匹配成功的用电环境类型y
k
所对应的用电消耗数据集合z
k
；再基于聚类分析，重新获取预测用电数据w
k
，从而对用电数据预测模型x
a
进行更新。
4.如权利要求3所述的一种基于边缘分析的智慧小区电力监测管理方法，其特征在于，对于获取用电时间段的电量差异值的具体步骤如下：将边缘端s
a
此时的季节、天气种类、日期种类输入至用电数据预测模型x
a
，匹配到用电环境类型y
k
，并且获取用电环境类型y
k
所对应的预测用电数据w
k
，再获取预测用电数据w
k
在用电时间段i的预测用电消耗量l
i
，再通过公式k
i
＝l
i-q
i
获取用电时间段i的电量差异值k
i
。5.如权利要求4所述的一种基于边缘分析的智慧小区电力监测管理方法，其特征在于，判断边缘端s
a
是否存在用电量异常的步骤如下：对边缘端s
a
获取的用电数据中用电时间段i的用电消耗量q
i
进行实时获取，并且和相应的预测用电消耗量l
i
进行实时计算，获取用电时间段i的电量差异值k
i
，当检测到电量差异值k
i
大于预设的电量差异值j，则对用电时间段i进行标注，再获取后一用电时间段i+1的预测用电消耗量l
i+1
，通过计算，获取用电时间段i+1的电量差异值k
i+1
，再将电量差异值k
i+1
和预设的电量差异值j进行对比，若电量差异值k
i+1
大于预设的电量差异值j，则判定判断边缘端s
a
存在用电量异常，反之，则不存在异常。6.如权利要求5所述的一种基于边缘分析的智慧小区电力监测管理方法，其特征在于，还包括对用电消耗数据集合z
k
的清理，在对用电数据预测模型x
a
进行更新时，边缘端s
a
将第二预设周期内的用电环境数据和用电环境类型y
k
进行匹配，将第二预设周期内的用电环境数据对应的用电消耗数据输入至匹配成功的用电环境类型y
k
所对应的用电消耗数据集合z
k
，随着输入次数的增加，用电消耗数据集合z
k
中的用电消耗数据不断增加，当输入用电消耗数据个数超过预设用电数据个数阈值时，将获取所有用电消耗数据和中心簇用电消耗数据的相似度，并且将所有相似度和预设相似值进行对比，若用电消耗数据所获取的相似度小于预设相似值，则将此用电消耗数据进行删除，反之则无操作。7.一种基于边缘分析的智慧小区电力监测管理系统，其特征在于，包括：边缘端用于获取用电数据，并且通过一个时间段的用电量判断此时间段的用电量是否存在异常，若存在异常，能对相关设备进行调控；智慧小区服务器用于接收用电数据，并且对用电数据进行分析建模；边缘端包括用电数据获取模块、用电数据传输模块、用电量判断模块、异常用电量提醒模块和异常设备控制模块；用电数据获取模块，用于获取边缘端的用电数据；用电数据传输模块用于将边缘端一个预设周期内的用电数据传输至智慧小区服务器；还用于接智慧小区处理好的用电数据预测模型；用电量判断模块用于判断用电时间段内的用电量是否存在异常；异常用电量提醒模块，用于对存在异常用电量的边缘端进行提醒；异常设备控制模块，用于根据移动端对异常设备进行控制；智慧小区服务器包括用电数据处理模块，用于对边缘端上传的一个预设周期内的用电数据进行处理，获取用电数据预测模型，并且将用电量预测模块发送至边缘端。8.如权利要求7所述的基于边缘分析的智慧小区电力监测管理系统，其特征在于，还包括用电预测模型更新模块，用于每隔第二预设周期，对用电数据预测模型进行更新。

技术总结
本发明提供一种基于边缘分析的智慧小区电力监测管理方法及系统。一种基于边缘分析的智慧小区电力监测管理系统，包括边缘端和智慧小区服务器；边缘端又包括用电数据获取模块、用电数据传输模块、用电量判断模块、异常用电量提醒模块和异常设备控制模块；智慧小区服务器包括用电数据处理模块。本发明通过获取一个时间段内的预测用电量，判断此时的用电量是否过高，从而判断是否存在忘关电器的情况；并且能够通过边缘端向相关人员发送异常提醒信息，相关人员能够通过移动端对相关电器进行控制；这有利于避免电力资源的浪费，也降低了安全风险。险。险。


技术研发人员：刘珂
受保护的技术使用者：刘珂
技术研发日：2023.05.06
技术公布日：2023/7/21