一种智能自动计量方法及装置与流程

本发明涉及电力技术领域，尤其涉及一种智能自动计量方法及装置。

背景技术：

随着智能电网建设的不断深入和推进，电力行业的信息化建设发展迅猛，南方电网公司在“十二五”期间全面开展信息化建设。在电力营销领域，已全面建成了网、省、地三级计量自动化系统，实现了各地市的计量档案信息及电能量数据的分级管理、分层应用。随着稽查及工作质量精细化程度越来越高，数据的粒度越来越小，数据类型越来越复杂，电力营销数据已日渐凸显出数量大、实时性高、数据类型多样化等大数据的三大基本特征，电力营销正以前所未有的速度步入了大数据时代。

相对于大数据的技术定义，电力大数据则是一个更为广义的概念。电力大数据是指在电力生产和使用过程中产生，数据来源涉及电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节。

虽然电力大数据应用前景广阔，但也面临巨大挑战。1)数据质量的挑战。高质量的数据是电力大数据应用的基础。数据准确性、完整性不高，将影响决策分析的质量，甚至产生错误的决策建议。2)多数据融合的挑战。多数据融合是电力大数据应用的关键。长期以专业信息系统为主的信息化建设，导致电力生产各专业数据彼此独立，形成信息孤岛。为破除信息孤岛的数据壁垒，需要融合发电、输电、变电、配电、用电、调度等多专业数据，挖掘电力大数据服务于发电企业、电力用户和经济社会发展的价值。3)数据可视化信息传递的挑战。电力大数据可视化是数据价值传递的有效方式，电力大数据中藏着电力生产和服务经济社会发展的规律和特征，一般较抽象，难以发现。大数据可视分析将易于大数据规律的发现，展示海量数据中的特征和规律，便于数据价值的传递与知识的分享。4)大数据存储与处理的挑战。电力大数据对数据存储与计算能力需求巨大。电力大数据对多个数据源的结构化和非结构化数据进行分析处理，需要存储海量的数据，并提供快速的计算能力。

因此，为了解决上述的错误的决策、多数据融合低、数据可视化信息传 递低、大数据存储与处理的技术问题，本领域技术人员日夜研发。

技术实现要素：

本发明实施例提供的一种智能自动计量方法及装置，解决了目前的计量系统导致的错误的决策、多数据融合低、数据可视化信息传递低、大数据存储与处理的技术问题。

本发明实施例提供的一种智能自动计量方法及装置，包括：

构建电能量数据校验和评估业务的业务规则库；

根据所述业务规则库进行电能量数据的异常数据监控和清洗；

对监控确定的所述异常数据进行预置方式处理，并构建异常数据类型树；

根据预置的电能量数据业务进行计量数据聚合处理。

优选地，智构建电能量数据校验和评估业务的业务规则库具体包括：净化稳压电源，通过电源网络与智能计量自动化系统的发送端连接。

进行计量系统与集中器、采集器、计量终端、互动终端等多种设备的应用层通信协议的动态解析规则的构建；

进行计量系统采集的数据进行计量数据解析规则构建；

进行计量系统监测预警对应的数据规则的建立。

优选地，对监控确定的所述异常数据进行预置方式处理，并构建异常数据类型树具体包括：

对监控确定的所述异常数据通过异常的计量数据和其对应的典型计量数据曲线进行比对处理，并构建异常数据类型树；

和/或

对监控确定的所述异常数据通过异常的计量数据和其对应的事件或告警数据进行比对处理，并构建异常数据类型树；

和/或

对监控确定的所述异常数据通过发生异常的计量数据和其他数据进行比对处理，并构建异常数据类型树。

优选地，根据预置的电能量数据业务进行计量数据聚合处理具体包括：

根据预置的电能量数据业务进行计量数据依次进行数据聚合处理及通过预置数据加工模型加工。

优选地，所根据预置的电能量数据业务进行计量数据依次进行数据聚合处理及通过预置数据加工模型加工之后还包括：

对聚合处理及通过预置数据加工模型加工后的所述计量数据进行对应的用电特征分析和节能结构诊断研究。

本发明实施例提供的一种智能计量自动化装置，包括：

构建单元，用于构建电能量数据校验和评估业务的业务规则库；

监控清洗单元，用于根据所述业务规则库进行电能量数据的异常数据监控和清洗；

异常处理单元，用于对监控确定的所述异常数据进行预置方式处理，并构建异常数据类型树；

聚合处理单元，用于根据预置的电能量数据业务进行计量数据聚合处理。

优选地，构建单元具体包括：

第一规则构建子单元，用于进行计量系统与集中器、采集器、计量终端、互动终端等多种设备的应用层通信协议的动态解析规则的构建；

第二规则构建子单元，用于进行计量系统采集的数据进行计量数据解析规则构建；

第三规则构建子单元，用于进行计量系统监测预警对应的数据规则的建立。

优选地，异常处理单元具体包括：

第一比对子单元，用于对监控确定的所述异常数据通过异常的计量数据和其对应的典型计量数据曲线进行比对处理，并构建异常数据类型树；

和/或

第二比对子单元，用于对监控确定的所述异常数据通过异常的计量数据和其对应的事件或告警数据进行比对处理，并构建异常数据类型树；

和/或

第三比对子单元，用于对监控确定的所述异常数据通过发生异常的计量数据和其他数据进行比对处理，并构建异常数据类型树。

优选地，聚合处理单元，具体用于根据预置的电能量数据业务进行计量数据依次进行数据聚合处理及通过预置数据加工模型加工。

优选地，智能计量自动化装置还包括：

分析诊断单元，用于对聚合处理及通过预置数据加工模型加工后的所述计量数据进行对应的用电特征分析和节能结构诊断研究。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例提供的一种智能自动计量方法及装置，智能自动计量方法包括：构建电能量数据校验和评估业务的业务规则库；根据业务规则库进行电能量数据的异常数据监控和清洗；对监控确定的异常数据进行预置方式处理，并构建异常数据类型树；根据预置的电能量数据业务进行计量数据聚合处理。本实施例中，通过构建电能量数据校验和评估业务的业务规则库；根据业务规则库进行电能量数据的异常数据监控和清洗；对监控确定的异常数据进行预置方式处理，并构建异常数据类型树；根据预置的电能量数据业务进行计量数据聚合处理，解决了目前的计量系统导致的错误的决策、多数据融合低、数据可视化信息传递低、大数据存储与处理的技术问题。

附图说明

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性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种智能自动计量方法的一个实施例的流程示意图；

图2为本发明实施例提供的一种智能自动计量方法的另一个实施例的流程示意图；

图3为本发明实施例提供的一种智能自动计量装置的一个实施例的结构示意图；

图4为本发明实施例提供的一种智能自动计量装置的另一个实施例的结构示意图；

图5为规则库的全生命周期管理及维护流程示意图；

图6为异常数据监控和清洗示意图；

图7为校验过程示意图；

图8为数据聚合及加工流程示意图；

图9为技术路线示意图；

图10为整体框架示意图；

图11为功能模块示意图。

具体实施方式

本发明实施例提供的一种智能自动计量方法及装置，解决了目前的计量系统导致的错误的决策、多数据融合低、数据可视化信息传递低、大数据存储与处理的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例提供的一种智能自动计量方法的一个实施例包括：

101、构建电能量数据校验和评估业务的业务规则库；

本实施例中，当需要进行自动计量的时候，首先需要构建电能量数据校验和评估业务的业务规则库。

102、根据业务规则库进行电能量数据的异常数据监控和清洗；

当构建电能量数据校验和评估业务的业务规则库之后，需要根据业务规则库进行电能量数据的异常数据监控和清洗。

103、对监控确定的异常数据进行预置方式处理，并构建异常数据类型树；

当根据业务规则库进行电能量数据的异常数据监控和清洗之后，需要对监控确定的异常数据进行预置方式处理，并构建异常数据类型树。

104、根据预置的电能量数据业务进行计量数据聚合处理。

当对监控确定的异常数据进行预置方式处理，并构建异常数据类型树之后，需要根据预置的电能量数据业务进行计量数据聚合处理。

本实施例中，通过构建电能量数据校验和评估业务的业务规则库；根据业务规则库进行电能量数据的异常数据监控和清洗；对监控确定的异常数据 进行预置方式处理，并构建异常数据类型树；根据预置的电能量数据业务进行计量数据聚合处理，解决了目前的计量系统导致的错误的决策、多数据融合低、数据可视化信息传递低、大数据存储与处理的技术问题。

上面是对智能自动计量方法的过程进行详细的描述，下面将对具体过程进行详细的描述，请参阅图2，本发明实施例提供的一种智能自动计量方法的另一个实施例包括：

201、进行计量系统与集中器、采集器、计量终端、互动终端等多种设备的应用层通信协议的动态解析规则的构建；

本实施例中，当需要进行自动计量的时候，首先需要进行计量系统与集中器、采集器、计量终端、互动终端等多种设备的应用层通信协议的动态解析规则的构建。

202、进行计量系统采集的数据进行计量数据解析规则构建；

当进行计量系统与集中器、采集器、计量终端、互动终端等多种设备的应用层通信协议的动态解析规则的构建之后，需要进行计量系统采集的数据进行计量数据解析规则构建。

203、进行计量系统监测预警对应的数据规则的建立；

当进行计量系统采集的数据进行计量数据解析规则构建之后，需要进行计量系统监测预警对应的数据规则的建立。

204、根据业务规则库进行电能量数据的异常数据监控和清洗；

当进行计量系统监测预警对应的数据规则的建立之后，需要根据业务规则库进行电能量数据的异常数据监控和清洗。

205、对监控确定的异常数据通过异常的计量数据和其对应的典型计量数据曲线进行比对处理，并构建异常数据类型树和/或对监控确定的异常数据通过异常的计量数据和其对应的事件或告警数据进行比对处理，并构建异常数据类型树和/或对监控确定的异常数据通过发生异常的计量数据和其他数据进行比对处理，并构建异常数据类型树；

当根据业务规则库进行电能量数据的异常数据监控和清洗之后，需要对对监控确定的异常数据通过异常的计量数据和其对应的典型计量数据曲线进行比对处理，并构建异常数据类型树和/或对监控确定的异常数据通过异常的 计量数据和其对应的事件或告警数据进行比对处理，并构建异常数据类型树和/或对监控确定的异常数据通过发生异常的计量数据和其他数据进行比对处理，并构建异常数据类型树。

206、根据预置的电能量数据业务进行计量数据依次进行数据聚合处理及通过预置数据加工模型加工；

当对监控确定的异常数据通过异常的计量数据和其对应的典型计量数据曲线进行比对处理，并构建异常数据类型树和/或对监控确定的异常数据通过异常的计量数据和其对应的事件或告警数据进行比对处理，并构建异常数据类型树和/或对监控确定的异常数据通过发生异常的计量数据和其他数据进行比对处理，并构建异常数据类型树之后，需要根据预置的电能量数据业务进行计量数据依次进行数据聚合处理及通过预置数据加工模型加工。

207、对聚合处理及通过预置数据加工模型加工后的计量数据进行对应的用电特征分析和节能结构诊断研究。

当根据预置的电能量数据业务进行计量数据依次进行数据聚合处理及通过预置数据加工模型加工之后，需要对对聚合处理及通过预置数据加工模型加工后的计量数据进行对应的用电特征分析和节能结构诊断研究。

下面以一具体应用场景进行详细的描述，如图5至11，应用例包括：

1.构建电能量数据校验和评估业务规则库-技术路线

按照供电局电能量数据类型和业务管理需求，研究基于业务规则的数据校验和估算算法，对各类电能量异常数据进行分类，并配置相应的校验公式和对应阀值，实现异常数据的精细化管理，业务规则梳理的方法包括对计量自动化、营销MIS等业务系统中分析表计信息从前端界面数据到系统后台数据的对应(表名称、字段名称)、业务系统间表计数据存储结构的差异、数据规则及约束等。对于缺失的电能量数据，可根据其历史数据和业务规则，实现电能量数据的验证、编辑和估算。构建电能量数据校验和评估规则库，数据处理可以在线/实时或批量调用。如果需要，电能量数据可以作为装载流程以外的单独流程进行验证。

构建异常数据检测规则库，实现电能量数据的验证、编辑和估算，数据处理可以在线/实时或批量调用。

1)业务规则库构建及生命周期

规则库实现系统所有数据处理的计算公式以及分析判断逻辑规则的综合管理，具有各类规则查询、修改和新建，并具有各类规则的历史版本管理功能。规则库主要包括如下规则：通信协议规则库、数据解析规则库、认证规则库、数据核查规则库、异常数据处理规则库、监测预警规则库、业务定制规则库等。系统主要包括如下规则：

1、通信协议处理：系统与集中器、采集器、计量终端、互动终端等多种设备的应用层通信协议的动态解析规则；

2、计量数据解析：系统从各类计量自动化设备采集回来的数据的各类预处理规则，包括数据的校验、异常以及相关的统计；

3、监测预警规则：系统监测预警所涉及的统计、分析、预测、判断等所采用的数学计算规则。

规则库管理包括所有数据处理的计算公式以及分析判断逻辑规则的综合管理及各类规则查询、修改和新建，各类规则的历史版本管理功能，规则库的全生命周期管理及维护流程如图5。

基于业务规则库的电能量数据的异常数据监控和清洗技术

异常数据监测是利用现代计算机通信技术，对电能量在发、输、配、用各环节的发生情况，进行集中统一采集、监测、统计、分析和发布等规范化管理的工作机构。对数据的异常处理主要是基于计量数据各类表计采集的数据特点及业务需求进行基于规则的数据异常监控和检查。验证、编辑和估计功能的首要目的是在计量数据进入应用系统时进行检查和清理。具体处理过程如图6所示，该过程涉及以下方面：

验证–验证初始计量数据在期望的容差范围内，是正确数据

编辑–如果初始计量数据在某些方面有误，可以进行改动

估算–如果初始计量数据不完整(如缺值)，可自动估算缺失的值

(1)首先通过接口或适配器(SGG)从前置系统获取各类表计的量测数据，数据获取的频率可以根据实际的采集频率和业务需求进行设置，如按天，小时，分钟等

(2)将相应的原始数据加载至数据库，即初始测量值

(3)对初始测量值进行关键验证，调用业务规则库的关键验证规则 进行关键验证

(4)通过关键验证之后，开始启动VEE引擎，VEE引擎根据该量测数据的类型和参数信息调用相应的VEE规则进行数据清洗和校验

(5)经过清洗和校验后的量测值即成为最终测量值，创建的最终测量值是干净可靠的计量数据

(6)最终测量值还可以根据业务需要，基于最终测量值按照不同的计算规则生成派生测量值值

通过数据异常分析和处理的最终测量值和派生测量值可通过数据接口提供给他其他业务系统进行数据共享和分析。

基于异常数据管理业务规则库和数据校验估算算法，对计量自动化主站采集的各类表计和终端数据进行实时监测和分析，对于不同类型区域和用户的数据可以根据业务规则条件，调用不同的校验规则，进行数据清洗。当发现异常数据时创建相应的待办事项，并触发不同的工作流程，进行电能量数据异常定位和修正。当发现缺漏和不完整数据而又无法通过补采时，利用历史数据和同类别群体数据，结合相应的数据算法，进行估算，填充缺漏数据。对异常数据的监测和处理过程，提供决策支持分析，及时发现电能量数据的异常规律和短板，查找异常源头，及时修复造成数据异常的因素，同时根据异常分析的效率和准确率，推动业务规则库业务规则的优化和更新，提升异常数据监测能力。

可提供标准的数据估计方法，包括线性插值法、历史类似日期数值、基于拟合曲线的估计，以及基于计数器读数的实时数据估计。除提供的标准估计方法外，用户还可使用配置工具通过配置添加额外的估计规则。允许按顺序运行多项估计规则以支持复杂的估计。例如，首先调用基于拟合曲线的估计规则，然后调用基于计数器读数的实时数据估计规则。第一个规则将利用拟合曲线获得一个符合现实的用量曲线，第二个规则将把用量调整到正确的水平。估计的电能量数据还可专用于估读数的规则进行验证，而且所有估计的记录都有相应的标记。校验过程如图7所示。

闭环异常数据处理-技术路线

基于电能量数据采集过程中的各种异常类型，根据实际业务管理策略， 设定不同的异常处理逻辑，实现流程化的异常数据处理。支持发现、保存和处理异常，并跟踪异常以加快处理速度。分析各类终端和表计异常信息，梳理各类异常事件的相关数据及相关指标，构建异常数据类型树，发现异常数据时，按照电能量数据特点和实际的业务管理方式，针对不同的电能量数据类型，基于其异常类别，设定不同的处理方式，并触发相应的处理动作和流程，进行标准化的闭环数据处理，并将其固化为异常数据流程，提供可配置的差异化多种处理方式，如发出异常警告、自动纠错处理、发起人工处理流程等，并可通过待办事项与用户互动，保证异常数据的及时处理和反馈。

异常处理核心策略包括：

支持发现、保存和处理数据异常

跟踪异常以加快处理速度

可配置的差异化异常处理，提供业务流程支持

数据异常处理任务分配及进度监控

数据异常处理明细查看

异常数据处理处理明细查看

在后台校验模块里进行有关初始用量数据的验证后，发现未通过校验(处于‘错误’或‘异常’状态)的数据。如果它们未有由系统的数据校验流程自动修正的话，操作员可以利用系统标准页面查询查找。这些存在问题的初始用量数据，操作员分析问题后，可以有3方面的处理：手工跟踪问题根源，重新提交再校验它。直接修改数据校验后的读数(如果确定的话)，并手工完成这个初始测量值。这可帮助使用后数据校验读数值来创建用量数据最终值。可以在页面丢弃正在异常状态的初始测量值。不论操作员进行那一类行动，系统将会自动完成有关异常状态初始测量值所产出的待办事项条目。对于在VEE校验过程发现的异常，可分成为3类严重性定义。不同严重性需要不同性质的跟踪方式。

3类异常的相关严重性：

“消息”严重性，此严重性主要是标示一些值得关注的事情，但同时未有需要把当前的测量值状态推至“例外”。意即并不需要操作人员立刻跟踪有关事情。此类严重性的异常记录只用于汇报有关可关注事情的频率，并不是导 至量测数据质量问题。

“问题”严重性，此严重性主要是报告一些数据问题。这些数据问题必须要跟踪处理，所以需要暂时将当前起始量测数据的待定下来，暂不做最终确定。对应同一批起始量测数据，容许关链多个“问题”严重性的异常记录。当所有不同的校验规则已进行过，如果最少一项“问题”异常记录产出的话，当前的起始量测数据将转至“例外”状态。

“停止”严重性，此严重性主要是一些数据问题，但这些数据问题将会导致数据校验流程停下来，当前的起始量测数据立刻转至“例外”状态。整个校验流程包含多个校验规则。只要第一个校验规则已发现异常，需要停止当前流程。系统便会只生成一个“停止”严重性的异常记录。

此数据异常闭环处理需要留意以下特性：

遇到异常的起始量测数据，修正后再提交，也必须经过同样一套的校验规则。

重提交后，如果再遇到异常的话，也将会生成另外的异常记录。

只有通过所有校验规则，有关起始量测数据才可以被确定，然后正式生成最终量测数据值。

对于某一个起始量测数据来说，它包含多个时段间隔的读数。只要其中一个时段间隔的读数遇到异常，那便同一智能表下整套时段间隔的读数也是待定下来。

比如，以下3个时段间隔的读数的第2个间隔遗漏数据，通过不了有关校验。整套3个时段间隔的读数也是待定下来。操作员只需处理好那一个遗漏数据，再提交，通过校验。总体3个时段间隔的读数才能够生成最终量测值。

可采用多种比方法对数据异常进行处理，判断异常处理的原因以及是否真的为异常：

(1)发生异常的计量数据和其对应的典型计量数据曲线进行比对，计算出其异常的比例(包括异常的点数、以及每个异常的百分比等)，从而评估其异常的程度

(2)将异常的计量数据和其对应的事件或告警数据进行比对，分析两者 之间是否存在必然的因果关系，从而消除部分误异常的数据

(3)将发生异常的计量数据和其他数据(比如：温度等)进行比对，计算出异常数据和关联数据之间是否存在关系，从而消除部分误异常的数据。

(4)将发生异常的计量数据对应的表计型号、生产厂家等进行深层次的判断分析，计算出某种型号、厂家等对应的计量数据异常率，为未来选取合适的厂家、型号提供依据。

当发生异常，系统可以通过短信、告警、待办任务等通知相应的管理人员。

面向业务的计量数据聚合技术研究—技术路线

基于电能量数据业务的实际需要，构建电能量数据计算引擎，按照业务规则进行电能量数据的汇总与计算，并可以根据实际的业务需要，进行数据转化和计算，为电能量数据的相关业务提供数据服务。

数据计算引擎可基于下游应用程序和流程的业务需求，对各类计量数据进行自动归集和打包，提供面向业务的数据准备。系统通常采用定期批量处理，用户也可实时重新归集，并随时创建和执行特别归集，归集的处理方式和业务规则可根据需要灵活定制。利用先进数据库方法提高归集处理的性能，并提供视图和服务访问归集曲线，处理归集曲线并与其它曲线对比，以支持业务分析和评估等。

a)用量计算和计费支持

经过校验后的计量数据，可以根据各类用户的计价方式和计费周期，对用户的用量进行汇总计算，发送至客户计费系统，支持收费系统生成各类账单

b)基于业务的数据汇总与计算

并可根据业务需要，按照业务规则进行计量数据的汇总计算，如按照行业、用户类别、地理区域、电网拓扑进行统计汇总，并可以根据实际的业务需要，进行更加复杂的数据转化和计算，为计量数据的相关业务提供数据服务。数据聚合及加工流程如图8所示。

外部相关业务系统(例如：线损、有序用电等)当由于业务需要，希望等到由实时数据加工的数据信息，这些业务系统可以通过UAPI发出订阅请 求，定义：需要由哪些实时数据参与数据加工，计算规则，何时进行计算(也就是对实时数据进行加工运算)，通过何种路径或方式发送给外部业务系统，数据服务平台按照订阅，通过批自动产生状态为待定的交易(或事务，交易表示根据用户定义，对特定时段的实时数据进行加工计算)，外部业务系统可以在线触发交易的请求，或根据订阅触发交易的请求交易调用交易引擎，根据规则对实时数据进行相应的计算、加工。完成后的数据加工结果，可以按照事先定义好的审批流程进行审批，发送给业务系统。

数据加工模型，通过服务点(测点)和最终实时数据值(即经过数据处理后的干净的、可用的实时数据值)进行关联。数据订阅和服务点是多对多的关系，数据订阅定义了参与数据计算的服务点。通过服务点和最终实时数据值的关系，即确定了参与数据计算的最终实时数据值，同时，数据订阅还可以通过南方电网的数据资源平台加入网络拓扑等数据，因为这些数据将决定服务点在整个网络中的位置，从而决定服务点之间的相对关系，比如：网络运行位置的改变将改变相邻服务点的相对关系，从而影响线损的计算。数据订阅和数据事务之间是一对多的关系。每个数据订阅对应于多个数据事务，也就是数据(实时数据的加工结果)，每个数据事务反应的是对一段时间内的实时数据的加工。数据订阅和数据组之间是多对多的关系。数据组是数据规则的逻辑组，每个数据规则相当于数据计算的定义平台，定义了最终实时数据值的运算公式。

用量引擎

用量引擎是数据加工的核心，是客户配置实时数据加工规则的平台。

通过时间、优先级等配置策略，执行对应的计算算法，生成计算结果，并作为测点的结果值和状态转存到数据库中。支持多种计算类型：周期计算、分量变化时触发计算、定时计算、人工启动计算；计算引擎包括：变量类型定义、变量作用域、运算符结合律和优先级、语法、流程控制、系统函数、自定义函数、宿主程序的接口等内容；计算引擎的处理过程包括：编辑、语法错误检查、伪编译、执行等；脚本编辑：提供脚本编写工具，采用IDE的方式，支持语法颜色敏感。公式计算异常处理。对于公式计算过程中出现计算错误的处理，采用默认值的方式进行设定，当公式计算错误后，如果设定 默认值，则获取默认值，如果没有默认值，则写入异常。

A.用量组是用量规则的逻辑组合。用量组合用量规则之间是多对多的关系客户

B.用量规则是定义具体的数据加工算法。

C.用量规则具有有效期间和适用条件。客户可以进行配置定义。

D.客户可以配置每个用量规则的用量算法，也就是实时数据的加工方法。支持：

1.提供方便、友好的界面供用户离线或者在线定义计算量和计算公式；

支持常用的函数计算库，支持加、减、乘、除、三角、对数等运算，也可进行逻辑和条件判断运算。

2.支持的数据类型、运算符、标准函数和语句如下：

支持海量准实时数据服务平台统一的数据类型定义，如表1所示：

表1

基于大数据架构的计量自动化系统实现研究—技术路线

研究基于大数据技术的计量自动化系统实现方案，包括技术架构、物理架构、逻辑架构及计量自动化系统采集、存储、计算、分析等各环节的技术选用方案，并完成基于大数据技术的计量自动化系统基础应用功能开发。

在技术架构的选取时，项目拟在传统基于关系型数据库的计量自动化系统架构基础上，研究采用基于Spark、Hadoop等分布式文件系统、分布式数据处理的云存储数据库、云计算等大数据技术和Map Reduce作为处理电力大数据中海量数据的存储、并行编程模型和云计算框架，实现存储服务、计算服务、应用及组件服务。

基于大数据用户用电特征分析和节能结构诊断研究—技术路线

在本部分的研究中，拟结合日常实际业务需求，通过选取三个应用场景：节能环保建筑的能耗分析、工业用户的节能诊断以及配电网业扩业务优化，通过建立分析模型、利用数据挖掘和机器学习技术对现有计量数据进行归类抽取，找出与不同应用场景相对应的分析数据，并在系统中进行固化，形成一套关于应用业务深层分析的模型、步骤以及技术框架，为最终实现基于大数据架构的智能计量自动化系统提供实践依据。本部分研究由于涉及的应用场景具有差异性，因此，每个应用场景下的技术路线各不相同，具体如下：

(1)、节能环保建筑能耗分析

鉴于建筑能源系统的复杂性和多样性，单一的性能评价指标难以完整地描述单体建筑能源系统的能耗、能效及其室内外环境效应状况，也不便用于多个建筑能源系统性能的对比分析。针对不同数据分析目的和不同数据应用需求，所用到的建筑能源系统评价指标也不尽相同。为系统、深入地评价建筑能源系统用能状况，本研究将首先根据建筑能源系统数据来源的方式和不同需求，建立一套单体建筑能源系统性能评价指标体系；其次根据不同行政级别对建筑节能监管需求不同，建立建筑能源系统能耗评价指标树。

(2)、工业用户的节能诊断应用

在一般工厂内，用电负荷的种类各异，各种负荷之间的耗电量差异巨大，加之现有工厂内的很多计量设备仪器缺失，因此，在项目的启动阶段，需要首先对采集设施进行全面摸底调研：如需要监测电压、电流、有功功率、无功功率、功率因数、有功无功电能、谐波、环境与开关状态、事件记录等用 电参数。同时对监测对象包括：电力需求侧中低压馈线回路、主要耗能机电设备、厂房(生活区)其他耗能设施。同时也可以对用水量、用气量、热量、投料量、产量等，通过电子式流量表、电子式热量表、电子皮带秤、地秤等现场智能数据采集，根据现场条件和系统应用的要求，采集的数据也可以取自用户的其他智能系统的数据接口等进行相关的补充和完善，在上述基础设施完备的情况下，可以按照图9所示的技术路线进行后续工作的开展。

在完成图9所示的一系列工作后，还要对采集到的生产负荷大数据进行分析与研究。有效的能量分析不但需要充分的生产和能耗数据，还需要对生产过程有深入的理解，需要对各种能量分析技术及其特点有深刻掌握并能对其灵活运用。能量分析结果的有效性对能源管理系统的实施和取得好的节能效果至关重要，实际上，错误的能量分析结果会导致错误的信息，严重损害能源管理系统的运行效果，甚至导致能源管理系统的失败。因此，本项目拟将大数据技术引入，重点解决各工段重点耗能设备的负荷分析与预测。

基于大数据和深度学习的计量设备状态评估模型研究—技术路线

在电力大数据环境下，采用关联规则进行数据挖掘，通过分析数据库中不同数据属性之间存在的潜在关系，找出满足给定支持度和置信度的关系规则，对设备进行在线故障诊断并保存振动报警记录。该规则可以向运行人员提供早期故障预警和故障原因分析，从而在故障发生前将其排除，以确保电力设备的稳定运行。

在专家诊断和状态评估的过程中，将构建基于设备故障模式分析结果的诊断知识库，采用人工诊断和基于深度神经网络、模糊推理等方法，以实现对设备缺陷和故障的诊断。

目标主要细化为以下几点：

1)设备状态评估规则库管理，实现对设备状态量的定义以及状态量与供电局现有营销系统业务模块、计量自动化事件管理信息的关联；

2)设备的预警风险评估，综合设备各种基础及运行监测数据，得出设备总体健康状态，基于聚类分析等数据挖掘算法对计量设备中的关键状态量进行识别，关键状态量一般会对设备安全稳定运行产生重大影响，因此当系统定期巡检现场终端设备和计量装置时，感知到设备出现严重故障特征时，提 前通过短信平台接口进行短信告警；

3)检修策略管理。根据设备评估结果，基于设备历史检修情况，建立自学习机制，在此基础上自动优化检修策略，并在此基础上提供人工干预流程，为营销制定检修计划提供数据支撑；

4)根据设备检修策略以及实际运行状态、并且根据该设备的关联设备情况(如，同间隔、同杆)自动产生检修计划，并在此基础上提供人工干预流程。

基于大数据的数据可视化展现技术研究—技术路线

电力系统可视化是将电力系统数据以生动直观的图形方式予以显示，其目标是让操作员能够理解并最终优化电力系统的行为和性能，以及在发生事故前进行预测、防治或做出快速响应。由于计量信息系统中的数据繁多、数据结构复杂，蕴含信息量大，为了帮助相关数据管理人员直观的看到数据中蕴含的信息，对现有数据进行可视化处理意义重大。

可视化系统所要具备的功能是须满足电力系统运行状态的实时可视化功能。从用户的需求出发，该系统需要帮助用户直观的把握电力系统实时运行状态，提高调度质量和效率，能够帮助用户预测故障的发生以及在故障发生时能够及时发现和分析；从电力系统广域测量的特点出发，可视化系统不仅需要以多种图形显示方式来显示大量的测量数据，并且能够满足对频率、电压相角等数据的快速动态显示；从软件本身出发，软件需要拥有一定的灵活性，能够实现根据具体的需求进行可视化内容的编辑和修改的功能。广域测量数据可视化系统由用户管理模块，数据管理模块，可视化编辑模块以及可视化显示模块四个部分组成，其整体结构框图如图10所示。可视化系统从计量系统主站接收实时数据，数据管理模块对数据进行管理，为可视化模块提供可视化数据。可视化编辑模块对可视化模块中的内容进行编辑，决定了可视化模块中的显示内容，提高了系统使用的灵活性。用户管理模块管理用户权限，防止对系统的非法或误操作，提高可视化系统的使用安全性。具体功能模块设计如图11所示。

基于通过贝叶斯网络模型的电网多源异构海量大数据的质量评价、智能识别与校核、抽取及清洗技术，实现智能“识噪去噪，在此基础上基于CART 决策树方法的线损问题成因分析，实现降损措施建议的辅助决策—技术路线

行业的传统分析方法通过状态估计识别“噪音”数据，但状态估计方法需要在拓扑正确情况下，针对正常运行数据进行识别，无法适用于上述复杂的大数据场景，并且无法识别拓扑、设备台账错误；在弱依赖、弱关联情况下，状态估计不能正常运行，项目拟基于数据质量评价及控制、综合治理研究成果，通过贝叶斯网络模型，对识别出的“噪音”数据进行清洗“去噪”，保证后续分析的有效性、正确性。

通过机器学习，采用CART决策树算法，学习专家策略，更准确地分析线损问题成因，针对性地进行降损措施的建议；同时基于常规优化方法进行措施建议的验证与评估。项目采用与传统统计学完全不同的方式构建预测准则，以二叉树的形式生成决策树，易于理解、使用和解释；比常用的统计方法构建的代数学预测准则更加准确，且数据越复杂、变量越多，算法的优越性就越显著，非常适用于海量数据场景。

本实施例中，通过构建电能量数据校验和评估业务的业务规则库；根据业务规则库进行电能量数据的异常数据监控和清洗；对监控确定的异常数据进行预置方式处理，并构建异常数据类型树；根据预置的电能量数据业务进行计量数据聚合处理，解决了目前的计量系统导致的错误的决策、多数据融合低、数据可视化信息传递低、大数据存储与处理的技术问题。

请参阅图3，本发明实施例中提供的一种智能计量自动化装置的一个实施例包括：

构建单元301，用于构建电能量数据校验和评估业务的业务规则库；

监控清洗单元302，用于根据业务规则库进行电能量数据的异常数据监控和清洗；

异常处理单元303，用于对监控确定的异常数据进行预置方式处理，并构建异常数据类型树；

聚合处理单元304，用于根据预置的电能量数据业务进行计量数据聚合处理。

本实施例中，通过构建单元301构建电能量数据校验和评估业务的业务规则库；监控清洗单元302根据业务规则库进行电能量数据的异常数据监控 和清洗；异常处理单元303对监控确定的异常数据进行预置方式处理，并构建异常数据类型树；聚合处理单元304根据预置的电能量数据业务进行计量数据聚合处理，解决了目前的计量系统导致的错误的决策、多数据融合低、数据可视化信息传递低、大数据存储与处理的技术问题。

上面是对智能计量自动化装置的各单元进行详细的描述，下面是对子单元进行详细的描述，请参阅图4，本发明实施例中提供的一种智能计量自动化装置的另一个实施例包括：

构建单元401，用于构建电能量数据校验和评估业务的业务规则库；

构建单元401具体包括：

第一规则构建子单元4011，用于进行计量系统与集中器、采集器、计量终端、互动终端等多种设备的应用层通信协议的动态解析规则的构建；

第二规则构建子单元4012，用于进行计量系统采集的数据进行计量数据解析规则构建；

第三规则构建子单元4013，用于进行计量系统监测预警对应的数据规则的建立。

监控清洗单元402，用于根据业务规则库进行电能量数据的异常数据监控和清洗；

异常处理单元403，用于对监控确定的异常数据进行预置方式处理，并构建异常数据类型树；

异常处理单元403具体包括：

第一比对子单元4031，用于对监控确定的异常数据通过异常的计量数据和其对应的典型计量数据曲线进行比对处理，并构建异常数据类型树；

和/或

第二比对子单元4032，用于对监控确定的异常数据通过异常的计量数据和其对应的事件或告警数据进行比对处理，并构建异常数据类型树；

和/或

第三比对子单元4033，用于对监控确定的异常数据通过发生异常的计量数据和其他数据进行比对处理，并构建异常数据类型树。

聚合处理单元404，用于根据预置的电能量数据业务进行计量数据聚合处 理，聚合处理单元404，具体用于根据预置的电能量数据业务进行计量数据依次进行数据聚合处理及通过预置数据加工模型加工。

分析诊断单元405，用于对聚合处理及通过预置数据加工模型加工后的计量数据进行对应的用电特征分析和节能结构诊断研究。

本实施例中，通过构建单元401构建电能量数据校验和评估业务的业务规则库；监控清洗单元402根据业务规则库进行电能量数据的异常数据监控和清洗；异常处理单元403对监控确定的异常数据进行预置方式处理，并构建异常数据类型树；聚合处理单元404根据预置的电能量数据业务进行计量数据聚合处理，解决了目前的计量系统导致的错误的决策、多数据融合低、数据可视化信息传递低、大数据存储与处理的技术问题。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售 或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。