1.一种用户的识别方法，其特征在于，包括：针对待排查用电台区的每一个用户，统计所述用户在排查周期内的用电量数据，并利用所述用电量数据，确定所述用户的用电特征，包括：统计在排查周期内，所述用户每天的用电量数据；基于所述用户每天的用电量数据，分别计算得到所述用户的用电量的均值、标准差及四分位数；将所述均值、标准差及四分位数作为所述用户的用电特征；利用K均值聚类算法，对所述待排查用电台区内的所有用户的用电特征进行筛选，提取出与基准窃电用户的用电特征相似的类簇所对应的目标用户；将所述目标用户按照窃电嫌疑度的高低进行排序，并从所述目标用户中选取出窃电嫌疑度高的目标用户；其中，所述窃电嫌疑度高的目标用户的数量为预设数量；一个用户的所述窃电嫌疑度的计算方式，包括：计算用户对应的标准差与均值的商，得到所述用户的窃电嫌疑度；将所述窃电嫌疑度高的部分目标用户确定为窃电嫌疑用户。
2.根据权利要求1所述的识别方法，其特征在于，所述利用K均值聚类算法，对所述待排查用电台区内的所有用户的用电特征进行筛选，提取与基准窃电用户的用电特征相似的类簇所对应的目标用户，包括：利用轮廓系数确定多个聚类中心；其中，所述多个聚类中心的每一个聚类中心，聚合了所述待排查用电台区内的至少一个用户的用电特征；将所述多个聚类中心中，符合预设条件的目标聚类中心确定为嫌疑类簇；其中，所述预设条件为所述目标聚类中心聚合的用户的用电特征满足：平均四分位数最小、且平均标准差最大；从所述嫌疑类簇中，选取所述标准差大于所述均值的用户，确定为与基准窃电用户的用电特征相似的目标用户。
3.根据权利要求1所述的识别方法，其特征在于，所述基准窃电用户的用电特征的确定方式，包括：建立多个样本用户的用电量数据的频次直方图，其中，所述多个样本用户中包括有窃电用户和正常用户；对每一个样本用户，分析所述样本用户的频次直方图，确定所述每一个样本用户的用电特征；对所述窃电用户的用电特征与所述正常用户的用电特征进行比较，得到比较结果，并依据所述比较结果确定基准窃电用户的用电特征。
4.一种用户的识别装置，其特征在于，包括：统计单元，用于针对待排查用电台区的每一个用户，统计所述用户在排查周期内的用电量数据，并利用所述用电量数据，确定所述用户的用电特征；所述统计单元，包括：统计子单元，用于统计在排查周期内，所述用户每天的用电量数据；第一计算子单元，用于基于所述用户每天的用电量数据，分别计算得到所述用户的用电量的均值、标准差及四分位数；第一确定子单元，用于将所述均值、标准差及四分位数作为所述用户的用电特征；筛选单元，用于利用K均值聚类算法，对所述待排查用电台区内的所有用户的用电特征进行筛选，提取出与基准窃电用户的用电特征相似的类簇所对应的目标用户；排序单元，用于将所述目标用户按照窃电嫌疑度的高低进行排序，并从所述目标用户中选取出窃电嫌疑度高的目标用户；其中，所述窃电嫌疑度高的目标用户的数量为预设数量；第二计算子单元，用于计算用户对应的标准差与均值的商，得到所述用户的窃电嫌疑度；确定单元，用于将所述窃电嫌疑度高的部分目标用户确定为窃电嫌疑用户。
5.根据权利要求4所述的识别装置，其特征在于，所述筛选单元，包括：第二确定子单元，用于利用轮廓系数确定多个聚类中心；其中，所述多个聚类中心的每一个聚类中心，聚合了所述待排查用电台区内的至少一个用户的用电特征；第三确定子单元，用于将所述多个聚类中心中，符合预设条件的目标聚类中心确定为嫌疑类簇；其中，所述预设条件为所述目标聚类中心聚合的用户的用电特征满足：平均四分位数最小、且平均标准差最大；第四确定子单元，用于从所述嫌疑类簇中，选取所述标准差大于所述均值的用户，确定为与基准窃电用户的用电特征相似的目标用户。
6.根据权利要求5所述的识别装置，其特征在于，还包括：建立单元，用于建立多个样本用户的用电量数据的频次直方图，其中，所述多个样本用户中包括有窃电用户和正常用户；分析单元，用于对每一个样本用户，分析所述样本用户的频次直方图，确定所述每一个样本用户的用电特征；比较单元，用于对所述窃电用户的用电特征与所述正常用户的用电特征进行比较，得到比较结果，并依据所述比较结果确定基准窃电用户的用电特征。
