基于居民用电的人口流动监测方法、系统、设备以及介质与流程

本发明涉及人口监测领域，尤其涉及基于居民用电的人口流动监测方法、系统、设备以及介质。

背景技术：

1、随着我国城镇化进程持续深入，城市人口流动性显著增强，“人户分离”“候鸟式迁徙”“短期差旅”等人口流动形态日益频繁，对城市精细化管理提出了更高要求。精准掌握人口流动的时空分布，直接关系到社区公共服务资源配置的合理性、应急管理响应的及时性以及民生保障施策的精准度。传统依赖于入户普查或定期登记的方式，数据更新周期长、滞后性显著，无法反映人口的实时动态变化。在此背景下，居民用电行为作为与日常生活绑定最紧密、时空分辨率最高的基础数据源，天然具备“入户不可屏蔽”的独特优势——无论用户使用何种通信终端，其用电行为均客观真实地反映着居住活动状态，这使得基于用电数据开展到户级人口流动监测成为一项兼具技术可行性与社会治理价值的创新方向。

2、当前基于居民用电数据的人口流动监测方法主要依赖简单电量统计与固定阈值比对。然而，不同用户的用电基数差异悬殊——大户型住宅的待机负荷可能远超小户型住户的正常活动用电，统一阈值根本无法适配多样化的用户群体。

技术实现思路

1、本发明提供了基于居民用电的人口流动监测方法、系统、设备以及介质，能够从居民用电数据中，区分“电器设备自动运行产生的用电波动”与“真实人为活动产生的用电波动”，从而准确识别用户真实的在家/离家状态。

2、本发明提供了一种基于居民用电的人口流动监测方法，包括：

3、获取目标用户预设时间窗内的逐时用电量数据，基于所述逐时用电量数据计算相邻时刻的用电量差值，得到用电量波动幅度序列；

4、对所述用电量波动幅度序列进行拟合得到波动阈值，将所述用电量波动幅度序列中的各波动幅值大于所述波动阈值的波动识别为待识别波动序列；

5、提取所述待识别波动序列的周期一致性指标和波动持续时间指标；

6、对于所述待识别波动序列中的每一次波动，将所述周期一致性指标与预设的第一形态阈值进行比较，将波动持续时间指标与预设的第二形态阈值进行比较，若所述周期一致性指标小于或等于所述第一形态阈值且所述波动持续时间指标大于所述第二形态阈值，则判定此次波动为有效人为波动；

7、统计所述有效人为波动的波动频次以及波动系数，若所述波动频次大于预设的频次阈值，或者所述波动系数大于预设的系数阈值，则判定所述目标用户为在家状态。

8、本发明实施例通过获取目标用户的逐时用电量数据并计算相邻时刻的差值，将原始电量读数转化为能够直观反映用电行为活跃程度的波动幅度序列，为后续所有判别分析提供了基础数据载体；其次，对该波动幅度序列进行分布拟合以自适应地确定波动阈值，能够根据不同用户的用电基数特征动态区分低幅值的设备待机噪声与有效用电事件，避免使用统一阈值导致的误判，同时将低于阈值的微小波动直接滤除，大幅压缩了后续处理的信号规模；在此基础上，进一步提取通过幅值筛选的待识别波动序列的周期一致性指标和波动持续时间指标，这两个形态特征从不同维度刻画了波动的内在属性——周期一致性指标能够有效捕捉冰箱压缩机等设备因固定工作周期而产生的规则重复性波动，波动持续时间指标则能够区分设备短时启停与人为活动引发的持续性用电变化；随后，通过将这两个指标分别与预设的第一形态阈值和第二形态阈值进行联合判定，利用电器波动与人为波动在形态上的本质差异构建双重筛选条件，仅在周期一致性足够低且持续时间足够长时才将该次波动认定为有效人为波动，从而实现电器波动的精准识别与滤除；最后，通过对时间窗内所有有效人为波动的频次和系数进行双指标统计，既从“发生次数”维度表征人为干预的频繁程度，又从“相对波动强度”维度消除不同用户用电基数差异带来的量纲影响，任一指标超过相应阈值即判定用户为在家状态，确保了对各类用电特征用户的全面覆盖和稳定判别。上述技术手段层层递进、环环相扣，共同实现了电器自动运行波动与真实人为活动波动的有效解耦，显著降低了人口流动监测的误判率，为基于居民用电数据的到户级人口流动状态精准识别提供了可靠的技术支撑。

9、进一步地，所述对所述用电量波动幅度序列进行拟合得到波动阈值，包括：

10、将所述用电量波动幅度序列中的所有波动幅度作为样本数据，输入至高斯混合模型以将所述样本数据的整体分布解耦为第一高斯分布分量和第二高斯分布分量；

11、确定所述第一高斯分布分量对应的第一概率密度曲线，以及确定所述第二高斯分布分量对应的第二概率密度曲线；

12、计算所述第一概率密度曲线以及所述第二概率密度曲线的交点，并将所述交点所对应的横坐标数值设定为所述波动阈值。

13、这样通过高斯混合模型将波动幅值序列解耦为两个高斯分布分量，并取两个概率密度曲线的交点作为波动阈值。该方式摒弃了传统人为经验设定固定阈值的做法，能够自适应不同用户的用电基数与波动特性，实现波动阈值的客观、精准量化，为后续电器波动与人为波动的有效分离奠定可靠基础。

14、进一步地，所述提取所述待识别波动序列的周期一致性指标和波动持续时间指标，包括：

15、将所述待识别波动序列中连续超过所述波动阈值的相邻波动采样点合并为一次波动事件；

16、获取所述波动事件内各采样点的波动幅值变化序列，计算所述波动幅值变化序列相对于预设的设备固定运行周期的自相关匹配度，将计算得到的所述自相关匹配度作为所述周期一致性指标；

17、追踪所述波动事件从起始时刻到终止时刻所持续的小时总数，将所述持续的小时总数作为所述波动持续时间指标。

18、这样通过将连续超阈值的采样点合并为波动事件，并提取其周期一致性指标（自相关匹配度）和波动持续时间指标，构建了区分电器波动与人为波动的形态特征维度。电器设备具有固定的短时周期性启停规律，而人为活动则呈现非周期性且持续时间较长，利用这两个形态指标的联合判定，能够从波动形态的本质差异上识别真实人为活动。

19、进一步地，所述统计所述待识别波动序列中所述有效人为波动的波动频次以及波动系数，包括：

20、在所述预设时间窗内，对被判定为所述有效人为波动的波动事件按发生次数进行逐项累加计数，将累加得到的总数作为所述波动频次；

21、提取所述预设时间窗内所有被判定为有效人为波动的波动事件所对应的各个时刻的用电量数值，组成有效波动用电量序列；

22、计算所述有效波动用电量序列中所有数值相对于序列平均值的离散程度，得到离散度量值，并将所述离散度量值除以所述序列平均值，将相除得到的比值作为所述波动系数，其中，所述序列平均值为对所述有效波动用电量序列取平均值得到。

23、这样在有效人为波动的基础上，进一步统计波动频次和波动系数（无量纲的相对波动强度），通过两个维度综合判定在家/离家状态。波动系数消除了不同用户用电量量纲差异的影响，使得判定标准具备跨用户、跨时段的普适性；结合波动频次与波动系数采用“或”逻辑判定，有效避免了单一指标在特殊用电场景下的误判问题，提升了人口流动监测的鲁棒性与准确率。

24、进一步地，本发明还包括：

25、若所述用电量波动幅度序列中的各波动幅值小于等于所述波动阈值，则将波动直接判定为电器待机或设备自动运行所产生的无效噪声波动，并予以滤除。

26、进一步地，本发明还包括：

27、当所述周期一致性指标大于所述第一形态阈值时，或者所述波动持续时间指标小于等于所述第二形态阈值时，则判定此时波动为电器设备自动运行所产生的无效波动，并将此次波动从所述有效人为波动的统计中剔除。

28、进一步地，本发明还包括：

29、若所述波动频次小于等于预设的频次阈值，且所述波动系数小于等于预设的系数阈值，则判定所述目标用户为离家状态。

30、本发明另一实施例还提供了一种基于居民用电的人口流动监测系统，包括：所述人口流动监测系统用于执行如本发明所述的基于居民用电的人口流动监测方法的步骤。

31、本发明另一实施例还提供一种终端设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，处理器执行所述计算机程序时，实现如本发明所述的基于居民用电的人口流动监测方法的步骤。

32、本发明另一实施例还提供了一种计算机可读存储介质项，包括：存储的计算机程序，在计算机程序运行时，控制计算机可读存储介质所在的设备执行如本发明所述的基于居民用电的人口流动监测方法的步骤。