一种资源分配方法、装置、可读介质及电子设备与流程

1.本发明涉及能源领域，尤其涉及一种资源分配方法、装置、可读介质及电子设备。


背景技术：

2.随着互联网技术的快速发展，用户数据成为了越来越重要的资源，基于用户数据可以训练出各种预测模型，准确的预测结果是能源系统高效运行的基础。然而并不是每一个能源用户均可以收集海量的用户数据，训练出准确的预测模型，这使得联邦学习成为了一种趋势，为了鼓励各个能源用户参与联邦学习，确定一种合理的资源分配方法是至关重要的。


技术实现要素：

3.本发明提供了一种资源分配方法、装置、可读介质及电子设备，通过目标用户提供负荷数据的提供时间和提供数据量，确定用户标识，根据用户标识和负荷预测模型为不同的目标用户确定不同的资源分配方案，实现资源的合理分配。
4.第一方面，本发明提供了一种资源分配方法，包括：
5.确定目标用户提供负荷数据的提供时间和提供数据量；
6.基于所述提供时间和所述提供数据量，确定所述目标用户的用户标识；
7.基于所述提供数据量和所述目标用户提供的负荷数据，确定负荷预测模型；
8.基于所述用户标识和所述负荷预测模型，确定所述目标用户的资源分配方案。
9.优选地，
10.所述基于所述提供数据量和所述目标用户提供的负荷数据，确定负荷预测模型，包括：
11.判断所述提供数据量是否符合预设条件；
12.若所述提供数据量符合预设条件，基于所述目标用户提供的负荷数据，确定所述目标用户对应的个性负荷预测模型；
13.则所述基于所述用户标识和所述负荷预测模型，确定所述目标用户的资源分配方案，包括：
14.基于所述目标用户的用户标识和所述个性负荷预测模型，确定所述目标用户的资源分配方案。
15.优选地，
16.所述方法还包括：
17.若所述提供数据量不符合所述预设条件，基于目标用户提供的负荷数据的数据特征为所述目标用户确定匹配负荷预测模型；
18.则所述基于所述用户标识和所述负荷预测模型，确定所述目标用户的资源分配方案，包括：
19.基于所述目标用户的用户标识和所述匹配负荷预测模型，确定所述目标用户的资
源分配方案。
20.优选地，
21.所述若所述提供数据量不符合所述预设条件，基于目标用户提供的负荷数据的数据特征为所述目标用户确定匹配负荷预测模型，包括：
22.若所述提供数据量不符合所述预设条件，确定所述目标用户提供的负荷数据的数据特征；
23.确定存储负荷预测模型对应的负荷数据的数据特征与所述目标用户提供的负荷数据的数据特征的相似度；
24.选取与所述目标用户提供的负荷数据的数据特征相似度最大的所述存储负荷预测模型为选取负荷预测模型；
25.基于所述目标用户提供的负荷数据和所述选取负荷预测模型，确定所述目标用户对应的匹配负荷预测模型。
26.优选地，
27.所述选取与所述目标用户提供的负荷数据的数据特征相似度最大的所述存储负荷预测模型为选取负荷预测模型，包括：
28.判断存储负荷预测模型对应的负荷数据的数据特征与所述目标用户提供的负荷数据的数据特征相似度的最大值是否大于预设阈值；
29.若是，则选取与所述目标用户提供的负荷数据的数据特征相似度最大的所述存储负荷预测模型为选取负荷预测模型。
30.优选地，
31.所述方法还包括：
32.若否，基于所述目标用户提供的负荷数据的数据特征，为所述目标用户确定匹配用户；
33.确定所述目标用户提供的负荷数据与所述匹配用户提供的负荷数据的相似度；
34.基于所述目标用户提供的负荷数据与所述匹配用户提供的负荷数据的相似度，在所述匹配用户提供的负荷数据中确定选取负荷数据；
35.基于所述目标用户提供的负荷数据和所述选取负荷数据，确定所述目标用户的匹配负荷预测模型。
36.优选地，
37.所述方法还包括：
38.确定所述目标用户更新负荷数据的更新次数和更新数据量；
39.基于所述更新次数和所述更新数据量，更新所述目标用户的用户标识；
40.基于所述更新负荷数据，更新所述目标用户的负荷预测模型。
41.第二方面，本发明提供了一种资源分配装置，包括：
42.数据确定模块，用于确定目标用户提供负荷数据的提供时间和提供数据量；
43.标识确定模块，用于基于所述提供时间和所述提供数据量，确定所述目标用户的用户标识；
44.模型确定模块，用于基于所述提供数据量和所述目标用户提供的负荷数据，确定负荷预测模型；
45.方案确定模块，用于基于所述用户标识和所述负荷预测模型，确定所述目标用户的资源分配方案。
46.第三方面，本发明提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。
47.第四方面，本发明提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
48.本发明提供了一种资源分配方法、装置、可读介质及电子设备，该方法通过根据目标用户提供负荷数据的提供时间和提供数据量，确定目标用户的用户标识，即目标用户在不同的时间段提供的负荷数据，以及提供的负荷数据的数据量均会体现在用户标识中，根据负荷数据及其数据量，确定负荷预测模型，进一步根据用户标识和负荷预测模型，确定目标用户的资源分配方案，确定的资源分配方案充分考虑目标用户的负荷数据、负荷数据的提供时间和提供数据量，具有合理性，可以鼓励更多的目标用户参与到联邦学习中。
附图说明
49.为了更清楚地说明本发明实施例中的技术方案，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获得其他的附图。
50.图1为本发明实施例中提供的第一种资源分配方法的流程示意图；
51.图2为本发明实施例中提供的第二种资源分配方法的流程示意图；
52.图3为本发明实施例中提供的第三种资源分配方法的流程示意图；
53.图4为本发明实施例中提供的一种资源分配方法中步骤133的流程示意图；
54.图5为本发明实施例中提供的一种资源分配方法中步骤1333的流程示意图；
55.图6为本发明实施例中提供的第四种资源分配方法的流程示意图；
56.图7为本发明实施例中提供的一种资源分配装置的结构示意图；
57.图8为本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
58.为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
59.如图1所示，本发明实施例提供一种资源分配方法，该方法包括：
60.步骤11，确定目标用户提供负荷数据的提供时间和提供数据量；
61.步骤12，基于所述提供时间和所述提供数据量，确定所述目标用户的用户标识；
62.步骤13，基于所述提供数据量和所述目标用户提供的负荷数据，确定负荷预测模型；
63.步骤14，基于所述用户标识和所述负荷预测模型，确定所述目标用户的资源分配
方案。
64.在上述实施例中，通过根据目标用户提供负荷数据的提供时间和提供数据量，确定目标用户的用户标识，即目标用户在不同的时间段提供的负荷数据，以及提供的负荷数据的数据量均会体现在用户标识中，根据负荷数据及其数据量，确定负荷预测模型，进一步根据用户标识和负荷预测模型，确定目标用户的资源分配方案，确定的资源分配方案充分考虑目标用户的负荷数据、负荷数据的提供时间和提供数据量，具有合理性，可以鼓励更多的目标用户参与到联邦学习中。
65.需要说明的是，资源分配方案包括联邦中心向目标用户分配资源的内容和数量，也包括目标用户向联邦中心转移资源的内容和数量。
66.具体的，可以将提供时间进行划分，如包括前期、中期和后期，不同的提供时间对应不同的资源分配数量；在确定提供数据量时，先对数据进行预处理，确定有效使用数据量，根据该有效使用数据量对应的数据等级划分确定资源分配数量；将确定的负荷预测模型进行集成，确定集成负荷预测模型，确定每一个负荷预测模型对集成负荷预测模型的贡献占比，根据该贡献占比确定资源分配数量，因此综合考虑用户标识和负荷预测模型进行资源分配具有合理性。
67.在本发明一个实施例中，步骤13，包括：
68.步骤131，判断所述提供数据量是否符合预设条件；
69.若所述提供数据量符合预设条件，则如图2所示，执行步骤132和步骤141；
70.步骤132包括，基于所述目标用户提供的负荷数据，确定所述目标用户对应的个性负荷预测模型；
71.步骤141包括：基于所述目标用户的用户标识和所述个性负荷预测模型，确定所述目标用户的资源分配方案。
72.若所述提供数据量不符合所述预设条件，则如图3所示，执行步骤133和步骤s142；
73.步骤133包括，基于目标用户提供的负荷数据的数据特征为所述目标用户确定匹配负荷预测模型；
74.步骤142包括：基于所述目标用户的用户标识和所述匹配负荷预测模型，确定所述目标用户的资源分配方案。
75.在上述实施例中，因为存在目标用户的提供的负荷数据的数据量不足以训练一个个性负荷预测模型的情况，因此为了满足各种目标用户的需求，在获取到目标用户提供的负荷数据后，判断提供数据量是否符合预设条件，其中预设条件可以为大于设定阈值，若大于设定阈值，则基于目标用户提供的负荷数据，即可以训练出个性负荷预测模型。在训练出个性负荷预测模型后，该个性负荷预测模型的目标用户可以免费使用该模型，并且联邦中心也可以使用该模型。进一步地，根据目标用户的用户标识和个性负荷预测模型，确定目标用户的资源分配方案，具体的，将个性负荷预测模型进行集成，确定集成负荷预测模型，根据个性负荷预测模型对集成负荷预测模型的贡献占比，确定联邦中心向目标用户的转移的资源内容和数量，其中资源的内容可以为积分。
76.在上述实施例中，若目标用户提供负荷数据的数据量不符合预设条件，即根据目标用户的负荷数据不能单独的训练出个性负荷预测模型，此时可以根据目标用户提供的负荷数据的数据特征为目标用户确定匹配负荷预测模型。进一步地，根据目标用户的用户标
识和匹配负荷预测模型，确定目标用户的资源分配方案。具体的，因为匹配负荷预测模型是联邦中心拥有的，因此需要目标用户向联邦中心转移资源，若目标用户提供负荷数据的时间越晚，确定的匹配负荷预测模型精确度越高，则目标用户向联邦中心转移的资源越多。
77.在一种可能的实现方式中，在确定了各个目标用户的个性负荷预测模型后，将各个个性负荷预测模型进行集成，确定集成负荷预测模型，在确定某目标用户提供的数据量不符合预设条件时，则调用该集成负荷预测模型为匹配负荷预测模型。当目标用户需要调用集成负荷预测模型时，均需目标用户向联邦中心转移资源，联邦中心根据集成负荷预测模型被调用的次数，确定向参与集成负荷预测模型的目标用户转移资源，以实现资源的合理配置。
78.需要说明的是，在根据目标用户的各个个性负荷预测模型集成为集成负荷模型后，利用该集成负荷预测模型对个性负荷预测模型和匹配负荷预测模型进行更新，以提高个性负荷预测模型和匹配负荷预测模型的准确性。
79.如图4所示，在本发明一个实施例中，步骤133包括：
80.步骤1331，若所述提供数据量不符合所述预设条件，确定所述目标用户提供的负荷数据的数据特征；
81.步骤1332，确定存储负荷预测模型对应的负荷数据的数据特征与所述目标用户提供的负荷数据的数据特征的相似度；
82.步骤1333，选取与所述目标用户提供的负荷数据的数据特征相似度最大的所述存储负荷预测模型为选取负荷预测模型；
83.步骤1334，基于所述目标用户提供的负荷数据和所述选取负荷预测模型，确定所述目标用户对应的匹配负荷预测模型。
84.在上述实施例中，在提供数据量不符合预设条件时，确定目标用户提供的负荷数据的数据特征，其中，数据特征可以包括但不限于目标用户所在地，目标用户所在地的气候，以及目标用户的数据体量等。确定存储负荷预测模型对应的负荷数据的数据特征与目标用户提供的负荷数据的数据特征的相似度，将相似度最大的存储负荷预测模型作为选取负荷预测模型，因为该选取负荷预设模型与目标用户的负荷数据的数据特征较为相似，因此利用该选取负荷预测模型作为目标用户的初始模型。进一步地，为了确定与目标用户对应的匹配负荷预测模型，利用目标用户提供的负荷数据对选取负荷预测模型进行更新，从而确定出可以用于对目标用户进行负荷预测的匹配负荷预测模型，该匹配负荷预测模型根据与目标用户的数据特征最相似的选取负荷预测模型和目标用户提供的负荷数据得到，具有准确性。
85.如图5所述，在本发明一个实施例中，步骤1333包括：
86.步骤13331，判断存储负荷预测模型对应的负荷数据的数据特征与所述目标用户提供的负荷数据的数据特征相似度的最大值是否大于预设阈值；若是，则执行步骤13332，若否，则执行步骤13333至步骤13336；
87.步骤13332，选取与所述目标用户提供的负荷数据的数据特征相似度最大的所述存储负荷预测模型为选取负荷预测模型。
88.步骤13333，基于所述目标用户提供的负荷数据的数据特征，为所述目标用户确定匹配用户；
89.步骤13334，确定所述目标用户提供的负荷数据与所述匹配用户提供的负荷数据的相似度；
90.步骤13335，基于所述目标用户提供的负荷数据与所述匹配用户提供的负荷数据的相似度，在所述匹配用户提供的负荷数据中确定选取负荷数据；
91.步骤13336，基于所述目标用户提供的负荷数据和所述选取负荷数据，确定所述目标用户的匹配负荷预测模型。
92.在上述实施例中，存在一种可能的情况，即存储负荷预测模型对应的负荷数据的数据特征与目标用户提供的负荷数据的数据特征具有较大的差异，此时不适合利用任何一个存储负荷预测模型作为目标用户的初始模型，而在确定存储负荷预测模型对应的负荷数据的数据特征与所述目标用户提供的负荷数据的数据特征相似度时，总有最大值存在，因此为了保证确定出的选取负荷预测模型的准确性，利用预设阈值进行预判，确定存储负荷预测模型对应的负荷数据的数据特征与目标用户提供的负荷数据的数据特征相似度的最大值是否大于预设阈值，若是，则可以选取与目标用户提供的负荷数据的数据特征相似度最大的存储负荷预测模型为选取负荷预测模型。若否，则不能在存储负荷预测模型中进行选取，此时根据目标用户提供的负荷数据的数据特征，为目标用户确定匹配用户，其中匹配用户为与目标用户较为相似的用户，然后根据目标用户提供的负荷数据与匹配用户提供的负荷数据的相似度，在匹配用户提供的负荷数据中确定选取负荷数据，选取负荷数据与目标用户的负荷数据较为相似，则该选取负荷数据将作为目标用户提供的负荷数据的补充，在将目标用户提供的负荷数据和选取负荷数据进行融合后，确定目标用户的匹配负荷预测模型。
93.如图6所述，在本发明一个实施例中，所述方法还包括：
94.步骤15，确定所述目标用户更新负荷数据的更新次数和更新数据量；
95.步骤16，基于所述更新次数和所述更新数据量，更新所述目标用户的用户标识；
96.步骤17，基于所述更新负荷数据，更新所述目标用户的负荷预测模型。
97.在上述实施例中，随着时间的推移，为了获取更准确的负荷预测模型，需要目标用户不断的更新负荷数据，根据目标用户更新次数和更新数据量，更新目标用户的用户标识，从而使得更新次数多且更新数据量大的目标用户可以在联邦中心获取到更多的资源。在存在更新负荷数据后，根据更新负荷数据，更新目标用户的负荷预测模型，以使得该负荷预测模型的准确性越来越高。
98.基于与上述方法相同的发明构思，如图7所示，本发明实施例提供了一种资源分配装置，包括：
99.数据确定模块71，用于确定目标用户提供负荷数据的提供时间和提供数据量；
100.标识确定模块72，用于基于所述提供时间和所述提供数据量，确定所述目标用户的用户标识；
101.模型确定模块73，用于基于所述提供数据量和所述目标用户提供的负荷数据，确定负荷预测模型；
102.方案确定模块74，用于基于所述用户标识和所述负荷预测模型，确定所述目标用户的资源分配方案。
103.为了描述的方便，描述以上装置实施例时以功能分为各种单元或模块分别描述，
在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
104.图8是本发明实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器801以及存储有执行指令的存储器802，可选地还包括内部总线803及网络接口804。其中，存储器802可能包含内存8021，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器8022(non-volatile memory)，例如至少1个磁盘存储器等；处理器801、网络接口804和存储器802可以通过内部总线803相互连接，该内部总线803可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等；内部总线803可以分为地址总线、数据总线、控制总线等，为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。当然，该电子设备还可能包括其他业务所需要的硬件。当处理器801执行存储器802存储的执行指令时，处理器801执行本发明任意一个实施例中的方法，并至少用于执行如图1至图6所示的方法。
105.在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成一种资源分配装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的一种资源分配方法。
106.处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
107.本发明实施例还提供了一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行执行指令时，所述处理器执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图8所示的电子设备；执行指令是一种资源分配装置所对应计算机程序。
108.本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
109.本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
110.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者锅炉不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者锅炉所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者锅炉中还存在另外的相同要素。
111.以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。