一种基于业务中台的电力营销数字化方法和系统与流程

1.本说明书涉及电力营销领域，特别涉及一种基于业务中台的电力营销数字化方法和系统。


背景技术：

2.电力营销是电力企业在变化的市场环境中，以满足人们的电力消费需求为目的，通过电力企业一系列与市场有关的经营活动，提供满足消费需要的电力产品和相应的服务，从而实现企业的目标。作为电网基础设备之一的计量设备，需要实时获取电网不同位置的计量数据。当任意计量设备出现故障时，需要尽快对发生故障的计量设备进行检测，从而避免因为设备问题可能造成的电费流失。
3.为了监测计量设备的故障情况，cn102103198a公开了一种计量设备故障自动排查系统和排查方法，通过设置模块对计量设备故障的判断标准进行设置，通信模块现场的计量设备的状态进行采集，并将采集的设备状态传送给分析模块，以及分析模块根据采集到的设备状态，计算并分析出计量设备故障类型和故障原因。该方法中需要采集所有计量设备的状态数据并一一进行分析从而判断计量设备的故障情况，计算过程过于繁杂。
4.因此，需要提供一种基于业务中台的电力营销数字化方法和系统，能够快速定位可能发生故障的计量设备并进行检测。


技术实现要素：

5.本说明书实施例之一提供一种基于业务中台的电力营销数字化系统，所述系统包括：计量模块、历史用电模块、设备运维模块、指令处理模块以及处理器，其中，所述历史用电模块、所述设备运维模块、所述指令处理模块和所述处理器通信连接；所述计量模块部署于系统前端，用于监测电网中至少一个位置的至少一个计量设备的计量数据，并将所述计量数据发送到所述历史用电模块中进行存储；所述历史用电模块部署于系统后端，用于存储历史用电数据；所述设备运维模块部署于所述系统后端，用于存储所述计量设备的历史检修数据；所述指令处理模块用于接收所述处理器发出的检测指令和检测路线，并对所述检测指令和所述检测路线进行展示；所述处理器用于：获取目标数据，所述目标数据包括所述计量数据、所述历史用电数据、所述历史检修数据中的至少一个；基于所述目标数据，判断所述至少一个计量设备的故障发生率是否满足预设检测条件；响应于所述至少一个计量设备的故障发生率满足预设检测条件，发出所述检测指令。
6.本说明书实施例之一提供一种基于业务中台的电力营销数字化方法，所述基于业务中台的电力营销数字化方法通过基于业务中台的电力营销数字化系统实现，所述系统包括：计量模块、历史用电模块、设备运维模块、指令处理模块以及处理器，其中，所述历史用电模块、所述设备运维模块、所述指令处理模块和所述处理器通信连接；所述方法由所述处理器执行，包括：获取目标数据，所述目标数据包括计量数据、历史用电数据、历史检修数据中的至少一个；基于所述目标数据，判断所述至少一个计量设备的故障发生率是否满足预
设检测条件；响应于所述至少一个计量设备的故障发生率满足预设检测条件，发出所述检测指令。
7.本说明书实施例之一提供一种基于业务中台的电力营销数字化装置，所述装置包括至少一个处理器以用于执行如上所述的基于业务中台的电力营销数字化方法。
8.本说明书实施例之一提供计算机可读存储介质，所述计算机可读存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如上所述的基于业务中台的电力营销数字化方法。
附图说明
9.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
10.图1是根据本说明书一些实施例所示的基于业务中台的电力营销数字化系统的模块图；
11.图2是根据本说明书一些实施例所示的基于业务中台的电力营销数字化方法的示例性流程图；
12.图3是根据本说明书一些实施例所示的预测模型的结构示意图。
具体实施方式
13.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
14.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
15.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
16.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
17.图1是根据本说明书一些实施例所示的基于业务中台的电力营销数字化系统的模块图。
18.在一些实施例中，基于业务中台的电力营销数字化系统100(以下简称系统100)可以包括计量模块110、历史用电模块120、设备运维模块130、指令处理模块140和处理器150。
其中，计量模块110、历史用电模块120、设备运维模块130、指令处理模块140分别与处理器150相互通信连接。
19.计量模块110可以部署于系统100的前端，用于监测电网中至少一个位置的至少一个计量设备的计量数据，并将计量数据发送到历史用电模块中进行存储。
20.计量设备是电网中设置的用于统计电网用户用电量的设备。计量设备可以设置在电网中的至少一个位置。根据在电网中的不同位置可以对计量设备进行分类。在一些实施例中，计量设备可以设置在用户端，该类计量设备为第一类计量设备，用于统计用户端的用电量。其中，用户端位于电网的子线上，不同子线上的第一类计量设备为并列关系。在一些实施例中，计量设备可以设置在管理端，该类计量设备为第二类计量设备，用于统计管理端的供电量。其中，管理端位于电网的总线上。
21.在一些实施例中，计量设备的配置数量与用户数量和/或区域相关。仅作为示例，每一个用户端可以设置对应的计量设备，第一类计量设备的数量可以与用户数量相同；每一个区域的管理端可以设置有至少两个串联的第二类计量设备，用于判断汇总数据(即该区域的总用电量)是否准确。
22.在一些实施例中，计量模块110可以实时获取至少一个计量设备的计量数据，也可以固定时间间隔获取计量设备的计量数据。
23.历史用电模块120可以部署于系统100的后端，用于存储历史用电数据。在一些实施例中，计量模块110获取到不同位置的计量数据后，可以将其发送至历史用电模块120中进行存储。系统100中的其他模块(例如处理器)可以访问存储在历史用电模块120中的历史用电数据。
24.设备运维模块130部署于系统100的后端，用于存储计量设备的历史检修数据。在一些实施例中，计量设备的历史检修数据可以由用户输入、处理器下发等方式发送至设备运维模块130中进行存储。系统100中的其他模块(例如处理器)可以访问存储在设备运维模块130中的历史检修数据。
25.指令处理模块140可以用于接收处理器150发出的检测指令和检测路线，并将检测指令和检测路线进行展示。在一些实施例中，指令处理模块可以与展示装置(例如，显示器)相连接，并将检测指令和检测路线发送到展示装置以进行展示。在一些实施例中，可以向相关工作人员展示检测指令和检测路线，并由相关工作人员判断是否执行。
26.处理器150可以用于执行本说明书一些实施例所述的基于业务中台的电力营销数字化方法。在一些实施例中，处理器150可以用于获取目标数据，标数据包括计量数据、历史用电数据、历史检修数据中的至少一个。在一些实施例中，处理器150可以用于基于目标数据，判断至少一个计量设备是否发生故障。在一些实施例中，响应于至少一个计量设备出现故障，处理器150可以发出检测指令。
27.上述部分模块可以通过有线或无线的方式建立数据连接。
28.需要注意的是，以上对于基于业务中台的电力营销数字化系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的计量模块、历史用电模块、设备运维模块、指令处理模块和处理器可以是一个系统中的不同模块，也可以是一
个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
29.图2是根据本说明书一些实施例所示的基于业务中台的电力营销数字化方法的示例性流程图。
30.在一些实施例中，本说明书实施例所述的基于业务中台的电力营销数字化方法可以通过系统100实现，且流程200可以由处理器150执行。如图1所示，流程200可以包括如下步骤：
31.步骤210，获取目标数据。
32.目标数据是可以用于判断计量设备是否发生故障的相关数据。在一些实施例中，目标数据可以包括计量数据、历史用电数据、历史检修数据中的至少一个。处理器150可以从系统100的其他模块获取目标数据。
33.计量数据是通过计量设备统计的电网用户的用电量。在一些实施例中，计量数据可以包括第一类计量数据和第二类计量数据。第一类计量数据可以为至少一个第一类计量设备的计量数据之和。第二类计量数据为任一第二类计量设备的计量数据。第一类计量数据与第二类计量数据具有对应关系，例如，第二类计量数据可以是一个总线上的任一第二类计量设备的计量数据，第一类计量数据可以是该总线下不同子线上的至少一个第一类计量设备的计量数据之和。关于计量设备的更多说明参见图1。
34.历史用电数据是历史时段电网中至少一个位置的计量数据。在一些实施例中，历史用电数据可以包括历史第一类计量数据和历史第二类计量数据。
35.历史检修数据是对计量设备的进行历史检修的相关数据。在一些实施例中，历史检修数据可以包括计量设备编号、检修次数、故障类型、检修时间等相关信息。
36.步骤220，基于目标数据，判断至少一个计量设备的故障发生率是否满足预设检测条件。
37.预设检测条件是与故障发生率相关的判断条件。在一些实施例中，预设检测条件可以是故障发生率大于发生率阈值。发生率阈值可以是系统预设值、人为预设值等。预设检测条件还可以是其他各种形式，在此不做限制。
38.处理器150可以基于目标数据，通过多种方式判断至少一个计量设备的故障发生率是否满足预设检测条件。
39.在一些实施例中，处理器150可以通过比较一条总线上多个第二类计量设备的计量数据来判断至少一个计量设备是否发生故障。例如，若多个第二类计量设备的计量数据不一致或计量差值大于差值阈值，可以确定为至少一个计量设备的故障发生率满足预设检测条件。
40.在一些实施例中，处理器150可以通过至少一个计量设备的计量数据之间的计量差值来初步判断计量设备的故障发生率满足预设检测条件。在一些实施例中，处理器150可以通过确定第二类计量数据与第一类计量数据之间的计量差值，比较该计量差值与第一阈值，来判断至少一个计量设备的故障发生率满足预设检测条件。当计量差值大于或等于第一阈值时，则确定判断结果为至少一个计量设备的故障发生率满足预设检测条件。
41.第一阈值可以是用于判断至少一个计量设备的故障发生率满足预设检测条件的阈值条件。在一些实施例中，第一阈值可以人为根据先验知识或历史数据确定。
42.在一些实施例中，第一阈值可以与电路损耗相关。例如，第一阈值可以正相关于电路损耗。在一些实施例中，处理器150可以根据电路损耗和浮动阈值确定第一阈值。例如，将电路损耗和浮动阈值的和作为第一阈值。其中，浮动阈值是可允许浮动的计量差值的范围，浮动阈值可以用于避免由于第一阈值过小而造成的误判断。在一些实施例中，浮动阈值可以基于先验知识或历史数据确定。在一些实施例中，浮动阈值也可以根据损耗模型的准确度确定，更多说明参见下文。
43.在一些实施例中，电路损耗可以通过损耗模型确定。损耗模型可以是用于确定电路损耗的机器学习模型，例如，神经网络模型等。
44.在一些实施例中，损耗模型的输入可以包括环境因素、电网中线路的长度、电网电压等，损耗模型的输出可以包括电网的电路损耗。其中，环境因素可以包括电网所处环境的湿度、温度等外部环境情况。电网中线路的长度是指一个片区的电网中所有线路的总长度，包括至少一个总线和至少一个子线的总长度。电网电压是指电网中多个预设位置处测量的电压。
45.在一些实施例中，损耗模型可以通过多个有第一标签的第一训练样本训练得到。在一些实施例中，第一训练样本至少可以包括计量设备无故障情况下的样本环境因素、样本电网中线路的长度、电压等，第一训练样本可以基于历史数据确定。在一些实施例中，第一标签可以是第一训练样本对应的实际电路损耗。第一标签可以人工标注确定。例如，可以在第一训练样本下，确定总线上任一第二类计量设备的历史计量数据(即历史供电量)与对应多个子线上的多个第一类计量设备的历史计量数据之和(即历史用电量之和)的计量差值，将该计量差值确定为第一训练样本对应的实际电路损耗。
46.在一些实施例中，在损耗模型训练时可以进一步统计该模型的准确度。其中，损耗模型的准确度可以通过将损耗模型的输出与第一标签的比较来确定。例如，可以确定损耗模型的输出与第一标签的预测差值小于预设阈值时的预测次数，将该预测次数与总预测次数的比值作为损耗模型的准确度。在一些实施例中损耗模型的准确度可以用于确定第一阈值的浮动阈值，例如，可以基于先验知识或历史数据预设浮动阈值与损耗模型的准确度的对应关系，基于损耗模型的准确度与该对应关系，可以确定浮动阈值。
47.在本说明书实施例中，通过损耗模型确定电路损耗，可以使电路损耗的计算结果更为准确，充分考虑了环境因素、电网中线路的长度、电网电压等因素对电路损耗的影响，提高了对计量设备是否产生故障的判断的准确性。
48.步骤230，响应于至少一个计量设备的故障发生率满足预设检测条件，发出检测指令。
49.检测指令是用于检测至少一个计量设备的故障情况的指令。检测指令可以包括检测计量设备的位置、故障类型、检修方式等。
50.在一些实施例中，处理器150可以发出检测指令至指令处理模块140，指令处理模块140接收处理器150发出的检测指令后，可以将检测指令进行展示。
51.在一些实施例中，响应于至少一个计量设备的故障发生率满足预设检测条件，处理器150可以进一步确定目标设备，并根据目标设备发出检测指令。目标设备是故障概率高于阈值的计量设备。当确定至少一个计量设备的故障发生率满足预设检测条件时，由于电网中的计量设备的数量较多，若对每一个计量设备都进行检测，则计算量太大且耗时。因
此，通过确定目标设备可以缩小需要检测的计量设备的范围，从而减小计算量并提高检测效率。
52.在一些实施例中，响应于至少一个计量设备的故障发生率满足预设检测条件，处理器150可以基于目标数据，确定至少一个可疑设备；通过预设方法，从至少一个可疑设备中确定目标设备。
53.可疑设备是可能出现故障的计量设备。处理器150可以基于目标数据，通过多种方式确定至少一个可疑设备。在一些实施例中，处理器150可以通过对至少一个计量设备的计量数据的进一步分析来确定可疑设备。
54.在一些实施例中，在判断出至少一个计量设备的故障发生率满足预设检测条件时，处理器150可以进一步通过比较一条总线上多个第二类计量设备的计量数据是否一致，来确定至少一个可疑设备。当一条总线上多个第二类计量设备的计量数据不一致时，可以确定该多个第二类计量设备为可疑设备。当一条总线上多个第二类计量设备的计量数据一致时，表示可能发生故障的计量设备为第一类计量设备。由于第一类计量设备设置在用户端且数量庞大，需要进一步从至少一个第一类计量设备中确定至少一个可疑设备。
55.在一些实施例中，处理器150可以基于目标数据确定用户日均用电量，根据每一个第一类计量设备的计量数据和用户日均用电量之间的差异与预设条件，从至少一个第一类计量设备中确定可疑设备。预设条件是指第一类计量设备的计量数据与用户日均用电量之间的差异处于预设阈值范围内。
56.在一些实施例中，处理器150可以将第一类计量设备的计量数据与用户日均用电量之间的差异不在预设阈值范围内的第一类计量设备确定为可疑设备。其中，用户日均用电量可以用于表征总线中所有用户端的整体用电特征。用户日均用电量可以通过总线上任一第二类计量设备的计量数据除以子线数量(即第一类计量设备的数量)得到。
57.在本说明书实施例中，通过将第一类计量设备的计量数据与用户日均用电量的比较，在充分考虑用户用电习惯的同时，可以避免由于天气变化/用电安排调整(例如，停电)带来的对判断可疑设备的影响，能精确缩小需要检测的计量设备的范围。
58.在一些实施例中，不同第一类计量设备对应的预设条件不同，即预设阈值范围不同。在一些实施例中，每个第一类计量设备对应的预设阈值范围可以是变动的。
59.在一些实施例中，预设阈值范围可以相关于用户影响程度。例如，用户影响程度越大，预设阈值范围的区间长度越大。每个第一类计量设备对应的用户端的用户影响程度可能不同，相应的，每个第一类计量设备对应的预设阈值范围可以是变动的。
60.在一些实施例中，预设阈值范围可以通过差异均值和调控阈值确定。例如，预设阈值范围可以为(差异均值减去调控阈值，差异均值加上调控阈值)。其中，差异均值是指多个第一类计量设备的计量数据与用户日均用电量之间的多个差异的平均值。调控阈值是指根据用户影响程度设置的用于确定预设阈值范围的数值条件。调控阈值可以正相关于用户影响程度。
61.用户影响程度是可以用于衡量不同用户产生的影响的条件。在一些实施例中，用户影响程度可以通过以下公式(1)计算：用户影响程度＝方差b
÷
方差a
×
100％
ꢀꢀꢀ
(1)
62.其中，方差a表示总线上任一第二类计量设备在一段时间内的用户日均用电量的
方差，方差b表示总线上某一子线上的第一类计量设备在该段时间内对应的日均用电量的方差。
63.在本说明书实施例中，通过用户影响程度来确定预设阈值范围从而根据预设阈值范围从第一类计量设备中确定可疑设备，考虑了不同用户受外在因素的影响，提高了确定可疑设备准确性。当用户影响程度越大，代表该用户的用电量受外在因素(例如，天气等)的影响较大，可以适当增加由用户影响程度调控的调控阈值。
64.在一些实施例中，当第一类计量设备的计量数据与用户日均用电量之间的差异不在预设阈值范围内时，处理器150还可以进一步基于用户的其他用电数据来确定可疑设备。通过其他用电数据来确定可疑设备可以排除特殊情况造成的误判断，例如，用户外出旅游、忘记关闭用电设备等等，提高确定可疑设备的准确性。
65.在一些实施例中，其他用电数据可以至少包括用电设备类型、用电设备的用电时间、用电时长等中的一种或多种。
66.在一些实施例中，处理器150可以基于第一类计量设备对应用户的其他用电数据来判断当天用户是否在家。响应于用户当天在家，可以将第一类计量设备的计量数据与用户日均用电量之间的差异超出预设阈值范围上限的第一类计量设备，确定为可疑设备。在一些实施例中，处理器150可以提前预设候选设备集，如果用户的用电设备类型中有候选设备集中的设备，则可以判断用户在家。否则，则可以判断用户不在家。示例性的候选设备集可以包括热水器、灶具、空调等。
67.在一些实施例中，当第一类计量设备的计量数据与用户日均用电量之间的差异不在预设阈值范围内，且判断为某一用户当天在家时，处理器150还可以基于关联用户来确定可疑设备。关联用户是指与某一用户的每日用电量具有一定相关性的另一用户。例如，当差异不在预设阈值范围内，且判断为用户a当天在家时，如果用户a的关联用户的用电状态正常，则可以将该用户a对应的第一类计量设备确定为可疑设备。
68.在一些实施例中，处理器150可以根据不同用户对应的计量数据绘制用户的每日用电量的变化曲线图，并将变化曲线图之间的相似度高于相似度阈值的用户确定为互为关联用户。如果有多个相似度高于阈值的用户，可以将相似度最高的用户确定为关联用户。
69.在本说明书实施例中，通过关联用户来确定可疑设备可以进一步排除特殊情况造成的误判断，提高确定可疑设备的准确性。
70.在一些实施例中，处理器150可以通过预设方法，从至少一个可疑设备中确定目标设备。预设方法可以是用于从多个可疑设备中确定目标设备的各种可实施的方法。
71.在一些实施例中，预设方法可以是：在通过确定一条总线上的多个第二类计量设备的计量数据不一致来确定至少一个计量设备发生故障时，表示可能发生故障的计量设备为第二类计量设备，则可以将这条总线上的所有第二类计量设备均确定为目标设备，并对所有第二类计量设备进行检测。由于第二类计量设备的数量显著小于第一类计量设备，可以有效节省检测成本。
72.在一些实施例中，预设方法可以是：确定至少一个可疑设备的故障概率，并根据该至少一个可疑设备的故障概率确定目标设备。
73.在一些实施例中，处理器150可以对至少一个可疑设备所处的环境、历史检修数据等进行分析处理，确定至少一个可疑设备的故障概率。故障概率可以表示可疑设备发生故
障可能性。
74.在一些实施例中，处理器150还可以基于预测模型确定至少一个可疑设备的故障类型和/或故障概率。关于预测模型的更多说明可以参见图3。
75.在一些实施例中，处理器150可以将故障概率高于概率阈值的可疑设备确定为目标设备。概率阈值为用于判断可疑设备是否可以作为目标设备的阈值条件。概率阈值可以是系统预设值、人为预先设定值等或其任意组合。
76.在本说明书实施例中，通过对目标数据的分析来确定可疑设备，并进一步从可疑设备中确定目标设备，可以缩小需要检测的计量设备的范围，从而减小计算量并提高检测效率。
77.在一些实施例中，处理器150还可以用于确定目标设备的检测路线。检测路线是对位于电网中不同位置的目标设备的检测顺序。
78.在一些实施例中，处理器150可以基于目标设备的故障概率和/或第一类计量设备对应的用户的预设阈值范围的区间长度确定检测路线。
79.在一些实施例中，检测路线可以是按照故障概率从高到低的顺序对目标设备进行检测。
80.在一些实施例中，检测路线可以是基于预设阈值范围的区间长度从长到短的顺序，对目标设备进行检测。第一类计量设备对应的用户的预设阈值范围的区间长度越大，表示具有较高的故障概率，发生异常的可能性更高和/或异常情况可能更严重，可以优先对该目标设备进行检测。
81.在一些实施例中，处理器150也可以综合考虑目标设备的故障概率和第一类计量设备对应的用户的预设阈值范围的区间长度，来对目标设备的检测顺序进行排序。
82.在一些实施例中，处理器150可以基于至少一个目标设备，通过路线模拟的方式确定至少一条候选检测路线。其中，路线模拟的方式可以是基于预设路线模拟算法，获取包含至少一个目标设备的候选检测路线。预设的路线模拟算法可以包含任何可以实现路线模拟的算法模型。
83.在一些实施例中，处理器150可以确定至少一条候选检测路线中每一条候选检测路线的路线冗余度，基于路线冗余度确定目标设备的检测路线。
84.路线冗余度可以反映同一目标设备在检测路线中的重复程度。例如，在一条检测路线中，对至少一个目标设备进行重复巡检的次数越高，则路线冗余度越高。在一些实施例中，可以将路线冗余度最小的检测路线，作为目标检测路线。
85.在一些实施例中，处理器150可以基于预设规则确定至少一条候选检测路线中每条候选检测路线的路线冗余度。
86.预设规则可以指用于确定路线冗余度的相关规则。在一些实施例中，预设规则可以根据巡检的实际需求设定，或由本领域技术人员根据经验设定。
87.在一些实施例中，预设规则可以包括：对于至少一条候选检测路线中的每一条，确定某一候选检测路线所经过的每个目标设备的通路数量；基于每个目标设备的通路数量，确定奇点位置数量；基于奇点位置数量，确定该候选检测路线的路线冗余度。
88.通路是指某一目标设备与另一目标设备之间连接的线路(例如，电网线路等)。每个目标设备可以与一个或多个其他的目标设备存在通路，即每个目标设备至少存在一条通
路。通路数量可以基于电网线路图确定。
89.奇点位置是指通路数量为奇数的目标设备的位置。奇点位置数量是指通路数量为奇数的目标设备的数量。通过判断至少一个目标设备中某一目标设备的通路数量是否为奇数条，可以确定该目标设备是否为奇点位置，进而可以确定至少一个目标设备中的奇点位置数量。
90.在一些实施例中，当奇点位置数量为0或2时，处理器150可以确定路线冗余度为0。
91.在一些实施例中，当奇点位置数量不为0或2时，处理器150可以将某一候选检测路线中除起点和终点外的其他奇点位置进行两两匹配，并在两个奇点位置的原始通路基础上，添加一条重复的线段。根据添加的线段的情况，确定该候选检测路线的路线冗余度。例如，将添加的线段的总长度(根据添加的线段各自的长度相加确定总长度)确定为路线冗余度。又例如，将添加的线段的数量确定为路线冗余度。
92.在本说明书实施例中，通过目标数据来判断至少一个计量设备是否发生故障，当确定发生故障时再发出检测指令，可以综合多方面因素实时监测计量设备是否发生故障，并且在发生确定发生故障时及时通过确定目标设备来减小检测范围，有效提高检测效率，进而对检测出的故障设备进行检修，避免因为设备问题可能造成的电费流失。
93.应当注意的是，上述有关流程200和流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200和流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
94.图3是根据本说明书一些实施例所示的应用预测模型的示例性示意图。
95.在一些实施例中，处理器150可以基于预测模型300确定至少一个可疑设备的故障类型350和/或故障概率360。
96.预测模型300可以是机器学习模型，例如，神经网络模型、循环神经网络模型等或其任意组合。
97.预测模型300的输入可以包括电网环境照片311、可疑设备的历史检修数据312、环境因素313、可疑设备的计量数据314、用户日均用电量315等，预测模型300的输出可以包括可疑设备的故障类型361和故障概率362。关于环境因素、计量数据、用户日均用电量的更多说明参见图2。
98.在一些实施例中，预测模型300可以包括环境特征提取层310、检修特征提取层320、磨损值预估层330和故障预测层350。在一些实施例中，环境特征提取层310、检修特征提取层320可以是cnn等模型，磨损值预估层330、故障预测层350可以是nn等模型。
99.在一些实施例中，环境特征提取层310的输入为电网环境照片311，输出为环境特征向量312。环境特征向量4312可以表征自然环境对电力设备的影响。电网环境照片311可以包括电力设备(例如，第一类计量设备和第二类计量设备)周边的环境的照片，例如周边的植被照片、河流照片、山丘照片等。环境特征向量312是与电力设备的周边环境相关的特征向量。
100.在一些实施例中，检修特征提取层320的输入为可疑设备的历史检修数据312，输出为检修特征向量342。其中，可疑设备的历史检修数据312可以包括可疑设备编号、检修次数、故障类型、检修时间等相关信息。检修特征向量342是与可疑设备的历史检修数据相关的特征向量。
101.在一些实施例中，磨损值预估层330的输入为检修特征向量342，输出为可疑设备的预估磨损值343。
102.在一些实施例中，故障预估层350的输入为环境特征向量341、可疑设备的预估磨损值343、环境因素313、可疑设备的计量数据314、用户日均用电量315，输出为可疑设备的故障类型361和故障概率362。
103.在一些实施例中，故障预估层350的输入还可以进一步包括用户影响程度(图3中未示出)。通过用户影响程度来判断故障概率时考虑了不同用户受外在因素的影响的情况，使确定故障概率更为准确。关于用户影响程度的更多说明参见图2。
104.在一些实施例中，环境特征提取层310、检修特征提取层320、磨损值预估层330的输出可以为故障预测层350的输入，环境特征提取层310、检修特征提取层320、磨损值预估层330、故障预测层350可以联合训练得到。
105.在一些实施例中，用于联合训练的第二训练样本可以包括样本电网环境照片、样本可疑设备的历史检修数据、样本环境因素、样本可疑设备的计量数据、样本用户日均用电量，第二训练样本对应的第二标签可以是样本可疑设备的实际故障类型和/或实际故障概率。当样本可疑设备存在故障时，实际故障概率为1。
106.在一些实施例中，第二训练样本可以基于历史数据确定。第二标签可以由人工标注确定。例如，第二标签可以标记为(a，0)或(a，1)，其中a表示故障类型，0表示未发生该故障类型的故障，1表示发生该故障类型的故障。
107.示例性的联合训练过程包括：将样本电网环境照片输入初始环境特征提取层，得到初始环境特征提取层输出的环境特征向量；将样本可疑设备的历史检修数据输入初始检修特征提取层，得到初始环境特征提取层输出的检修特征向量；将环境特征向量、检修特征向量作为训练数据，和样本环境因素、样本可疑设备的计量数据、样本用户日均用电量输入初始故障预测层中，得到初始故障预测层输出的样本可疑设备的故障类型和故障概率；基于第二标签和初始故障预测层的输出建立损失函数对模型的参数进行更新，直到预设条件被满足，训练完成。直到预设条件被满足，训练完成。
108.在一些实施例中，检修特征提取层320的输出可以为磨损值预估层330的输入，检修特征提取层320和磨损值预估层330可以单独进行联合训练得到。在一些实施例中，对应的第三训练样本包括样本可疑设备的历史检修数据，第三训练样本对应的第三标签为样本可疑设备的预估磨损值。在一些实施例中，第三训练样本可以基于历史数据确定。第三标签可以由人工标注确定。例如，可以在多次检修后，根据可疑设备各元件(例如，铜片、内部电线绝缘皮等)的外观情况与刚出厂时的同型号的计量设备各元件之间的外观差异进行比较，外观差异越大，则人为标注预估磨损值为较大。
109.在本说明书实施例中，通过预测模型来确定可疑设备的故障概率和故障类型，从而确定目标设备，可以准确筛选出故障概率较高的可疑设备作为目标设备，有效提高检测效率，同时预测模型输出的故障类型可以为相关技术人员对计量设备进行故障复核提供参考。通过上述训练方式获得预测模型的参数，在一些情况下有利于解决单独训练环境特征提取层、检修特征提取层时难以获得标签的问题，还可以使环境特征提取层、检修特征提取层能较好地得到反映环境特征和检修特征。
110.本说明书实施例之一提供一种基于业务中台的电力营销数字化装置，所述装置包
括至少一个处理器以用于执行如上所述的基于业务中台的电力营销数字化方法。
111.本说明书实施例之一提供计算机可读存储介质，所述计算机可读存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如上所述的基于业务中台的电力营销数字化方法。
112.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
113.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
114.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
115.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
116.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
117.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
118.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代
配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

技术特征：
1.一种基于业务中台的电力营销数字化系统，其特征在于，所述系统包括：计量模块、历史用电模块、设备运维模块、指令处理模块以及处理器，其中，所述历史用电模块、所述设备运维模块、所述指令处理模块和所述处理器通信连接；所述计量模块部署于系统前端，用于监测电网中至少一个位置的至少一个计量设备的计量数据，并将所述计量数据发送到所述历史用电模块中进行存储；所述历史用电模块部署于系统后端，用于存储历史用电数据；所述设备运维模块部署于所述系统后端，用于存储所述计量设备的历史检修数据；所述指令处理模块用于接收所述处理器发出的检测指令和检测路线，并对所述检测指令和所述检测路线进行展示；所述处理器用于：获取目标数据，所述目标数据包括所述计量数据、所述历史用电数据、所述历史检修数据中的至少一个；基于所述目标数据，判断所述至少一个计量设备的故障发生率是否满足预设检测条件；响应于所述至少一个计量设备的故障发生率满足预设检测条件，发出所述检测指令。2.根据权利要求1所述的系统，其特征在于，响应于所述至少一个计量设备的故障发生率满足预设检测条件，所述处理器还用于：基于所述目标数据，确定至少一个可疑设备；通过预设方法，从所述至少一个可疑设备中确定目标设备。3.根据权利要求2所述的系统，其特征在于，所述通过预设方法，从所述至少一个可疑设备中确定目标设备包括：基于预测模型，确定所述至少一个可疑设备的故障类型和/或故障概率，所述预测模型为机器学习模型；基于所述故障概率确定所述目标设备。4.根据权利要求1所述的系统，其特征在于，所述处理器还用于：确定目标设备的检测路线。5.一种基于业务中台的电力营销数字化方法，其特征在于，所述基于业务中台的电力营销数字化方法通过基于业务中台的电力营销数字化系统实现，所述系统包括：计量模块、历史用电模块、设备运维模块、指令处理模块以及处理器，其中，所述历史用电模块、所述设备运维模块、所述指令处理模块和所述处理器通信连接；所述方法由所述处理器执行，包括：获取目标数据，所述目标数据包括计量数据、历史用电数据、历史检修数据中的至少一个；基于所述目标数据，判断所述至少一个计量设备的故障发生率是否满足预设检测条件；响应于所述至少一个计量设备的故障发生率满足预设检测条件，发出检测指令。6.根据权利要求5所述的方法，其特征在于，响应于所述至少一个计量设备的故障发生率满足预设检测条件，所述方法还包括：基于所述目标数据，确定至少一个可疑设备；
通过预设方法，从所述至少一个可疑设备中确定目标设备。7.根据权利要求6所述的方法，其特征在于，所述通过预设方法，从所述至少一个可疑设备中确定目标设备包括：基于预测模型，确定所述至少一个可疑设备的故障类型和/或故障概率，所述预测模型为机器学习模型；基于所述故障概率确定所述目标设备。8.根据权利要求5所述的方法，其特征在于，所述方法还包括：确定目标设备的检测路线。9.一种基于业务中台的电力营销数字化装置，其特征在于，所述装置包括至少一个处理器以用于执行如权利要求5-8任一项所述的基于业务中台的电力营销数字化方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求5-8任一项所述的基于业务中台的电力营销数字化方法。

技术总结
本说明书实施例公开了一种基于业务中台的电力营销数字化方法和系统，所述系统包括：计量模块、历史用电模块、设备运维模块、指令处理模块以及处理器；计量模块用于监测电网中至少一个位置的至少一个计量设备的计量数据，并将计量数据发送到历史用电模块中进行存储；历史用电模块用于存储历史用电数据；设备运维模块用于存储计量设备的历史检修数据；指令处理模块用于接收处理器发出的检测指令和检测路线，并对检测指令和检测路线进行展示；处理器用于：获取目标数据，目标数据包括计量数据、历史用电数据、历史检修数据中的至少一个；基于目标数据，判断至少一个计量设备的故障发生率是否满足预设检测条件；响应于至少一个计量设备的故障发生率满足预设检测条件，发出检测指令。令。令。


技术研发人员：李娜 潘麟 明成昆 程欢 王晓峰 龚艳丽
受保护的技术使用者：湖北华中电力科技开发有限责任公司
技术研发日：2023.06.08
技术公布日：2023/8/31