CN116932596B - 表计读数转用量的数据处理方法、装置、设备及存储介质 - Google Patents
表计读数转用量的数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116932596B CN116932596B CN202310944039.8A CN202310944039A CN116932596B CN 116932596 B CN116932596 B CN 116932596B CN 202310944039 A CN202310944039 A CN 202310944039A CN 116932596 B CN116932596 B CN 116932596B
- Authority
- CN
- China
- Prior art keywords
- data
- time
- cache
- instant
- acquiring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 title abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 68
- 230000002159 abnormal effect Effects 0.000 claims description 46
- 230000003139 buffering effect Effects 0.000 claims description 37
- 230000008439 repair process Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000001419 dependent effect Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Fuzzy Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Memory System Of A Hierarchy Structure (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及表计读数处理的技术领域,尤其是涉及一种表计读数转用量的数据处理方法、装置、设备及存储介质,包括:获取计量表原始数据,对计量表原始数据进行预处理,得到待统计数据,并将待统计数据存入缓存数据库中;从缓存数据库中获取即时用量数据和即时特征数据,分别对即时用量数据和即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将即时用量统计数据和即时特征统计数据存入缓存数据库中;获取虚拟设备数据,根据虚拟设备数据构建统计任务消息,根据每个统计任务消息对每个虚拟设备数据进行计算,得到虚拟设备实际值,并将虚拟设备实际值存入缓存数据库中。本申请具有实现对复杂环境下的计量表计的智能读的效果。
Description
技术领域
本发明涉及表计读数处理的技术领域,尤其是涉及一种表计读数转用量的数据处理方法、装置、设备及存储介质。
背景技术
目前,计量表计被广泛的应用于电力系统、工业厂房等场景中,例如,变电站中的电表、制造工厂中的压力表等。随着电子信息技术的高速发展,各行各业都在走向数字化和智能化。在这种情况下,实现在复杂环境下对计量表计快速、精确的智能读数有着重大的意义。
现有的公开专利,公开号为CN112287922A,公开了一种表计读取方法,包括:接收表计图像,其中,表计图像存在表计;检测表计图像中的表计的位置;基于表计的位置从表计图像中分割出表计的区域图像;将表计的区域图像输入至预先训练的指针刻度检测模型,得到表计的指针和刻度的位置;基于表计的指针和刻度的位置,确定表计的读数。
这种表计读取装置,包括:接收模块,被配置成接收表计图像,其中,表计图像存在表计;第一检测模块,被配置成检测表计图像中的表计的位置;分割模块,被配置成基于表计的位置从表计图像中分割出表计的区域图像;第二检测模块,被配置成将表计的区域图像输入至预先训练的指针刻度检测模型,得到表计的指针和刻度的位置;确定模块,被配置成基于表计的指针和刻度的位置,确定表计的读数。
上述中的现有技术方案存在以下缺陷:
现有技术仅从单一表计进行读数转用量,当数据量上来以后或者数据异常时,将无法快速准确地算出用量,具有一定局限性。
发明内容
为了实现对复杂环境下的计量表计的智能读数,本申请提供一种表计读数转用量的数据处理方法、装置、设备及存储介质。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种表计读数转用量的数据处理方法,所述表计读数转用量的数据处理方法包括:
获取计量表原始数据,对所述计量表原始数据进行预处理,得到待统计数据,并将所述待统计数据存入缓存数据库中;
从所述缓存数据库中获取即时用量数据和即时特征数据,分别对所述即时用量数据和所述即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将所述即时用量统计数据和所述即时特征统计数据存入所述缓存数据库中;
获取虚拟设备数据,根据所述虚拟设备数据构建统计任务消息,根据每个所述统计任务消息对每个所述虚拟设备数据进行计算,得到虚拟设备实际值,并将所述虚拟设备实际值存入所述缓存数据库中;
当获取到异常修复消息时,根据所述异常修复消息从所述缓存数据库中获取待修复数据,对所述待修复数据进行修正后,替换至所述缓存数据库中。
通过采用上述技术方案,在计量表进行统计的时候,先将统计得到的计量表原始数据进行预处理,从而能够得到对应的实际数据,即待统计数据,并将该待统计数据存入缓存数据库中,便于后续快速响应数据的查询和获取;在统计计量表的数据时,通过定时触发进行用量以及特征值统计,并能够在接收到计量表原始数据后,及时进行计算,并快速计算得到统计数据,并在计算统计数据时,由于对不同数据项之间的交互运算支持,从而产生出的依赖关系导致部分数据项的处理必须早于特定的数据项,因此,使用分层统计策略,能够使得无法被即时触发统计的数据项作为被依赖的数据项时被优先统计,提升统计的准确性,以及便有后期快速筛选得到出现异常的数据。
本申请在一较佳示例中可以进一步配置为:所述获取计量表原始数据,对所述计量表原始数据进行预处理,得到待统计数据,并将所述待统计数据存入缓存数据库中,具体包括:
获取预设的自定义公式,通过所述自定义公式对所述计量表原始数据进行计算,将对应的计算结果存入数据结果集;
获取每个所述计量表原始数据对应的虚/实设备标识,根据所述虚/实设备标识对所述数据结果集中的数据进行递归计算,得到所述待统计数据。
通过采用上述技术方案,通过获取用户自定义的公式,从而用户能够根据计量表的原始数据,以及计量表的实际应用情况,即各个虚拟设备以及物理设备的依赖关系,准去地递归计算出对应的实际数据,从而提升了待统计数据的准确性。
本申请在一较佳示例中可以进一步配置为:所述从所述缓存数据库中获取即时用量数据和即时特征数据,分别对所述即时用量数据和所述即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将所述即时用量统计数据和所述即时特征统计数据存入所述缓存数据库中,具体包括:
获取数据缓存周期开始时间,根据所述数据缓存周期开始时间从所述缓存数据库中获取数据;
获取所述缓存数据库中的缓存时间,若所述缓存时间小于所述缓存周期开始时间,则根据所述缓存时间生成所述异常修复消息;
若所述缓存时间大于所述缓存周期开始时间,则获取缓存周期结束时间,根据所述缓存时间和所述缓存周期对所述即时用量数据进行计算,得到所述即时用量统计数据;
获取计算得到所述即时用量统计数据的数据计算时间,若所述数据计算时间大于等于所述周期时间,则获取缓存最小时间,并将所述数据时间更新为所述缓存最小时间。
通过采用上述技术方案,由于在复杂的应用环境中,各个计量表对应的数据会有相互的依赖关系以及对应的触发时间,因此,根据缓存时间以及缓存周期开始时间进行判断,能够根据设备之间的依赖关系,判断是否生成异常修复消息,在统计原始数据的同时,快速从众多计量表的原始数据中筛选得到异常数据,也能够通过设备之间的依赖关系,即缓存周期的开始和结束时间,计算得到对应的即时用量统计数据。
本申请在一较佳示例中可以进一步配置为:所述若所述缓存时间大于所述缓存周期开始时间,则获取缓存周期结束时间,根据所述缓存时间和所述缓存周期对所述即时用量数据进行计算,具体包括:
若所述缓存时间大于所述缓存结束时间,则从所述即时用量数据中获取进度缓存最大最小值;
对所述缓存最大最小值进行计算,得到所述即时用量统计数据。
通过采用上述技术方案,在缓存时间大于缓存结束时间时,证明已经完成了完整数据的统计,因此,通过获取得到的缓存最大最小值计算,能够计算得到该即时用量统计数据。
本申请在一较佳示例中可以进一步配置为:所述若所述缓存时间大于所述缓存周期开始时间,则获取缓存周期结束时间,根据所述缓存时间和所述缓存周期对所述即时用量数据进行计算,具体包括:
若所述缓存时间小于所述缓存结束时间,则从所述缓存时间中获取当前进度时间的结束时间和最后输出时间;
计算所述当前进度时间的结束时间和所述最后输出时间的差值,若所述差值大于等于预设值,则将所述最后输出时间更新为当前数据时间;
获取所述当前数据时间对应的当前点用量数据,对所述当前点用量数据进行计算,得到所述即时用量统计数据。
通过采用上述技术方案,在缓存时间小于缓存结束时间时,能够假设上传上来的数据一定是叶子节点,因此,通过假设该节点的数据来源为它自身,无需依赖其它节点,计算当前点用量,即计算得到即时用量统计数据。
本申请在一较佳示例中可以进一步配置为:所述从所述缓存数据库中获取即时用量数据和即时特征数据,分别对所述即时用量数据和所述即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将所述即时用量统计数据和所述即时特征统计数据存入所述缓存数据库中,具体包括:
获取数据缓存周期开始时间,根据所述数据缓存周期开始时间从所述缓存数据库中获取数据;
获取所述缓存数据库中的缓存时间,若所述缓存时间小于所述缓存周期开始时间,则根据所述缓存时间生成所述异常修复消息;
若所述缓存时间大于所述缓存周期开始时间,则获取缓存周期结束时间,根据所述缓存时间和所述缓存周期对所述即时特征数据进行计算,得到所述即时特征统计数据;
获取计算得到所述即时用量统计数据的数据计算时间,若所述数据计算时间大于等于所述周期时间,则获取缓存最小时间,并将所述数据时间更新为所述缓存最小时间。
通过采用上述技术方案,由于在复杂的应用环境中,各个计量表对应的数据会有相互的依赖关系以及对应的触发时间,因此,根据缓存时间以及缓存周期开始时间进行判断,能够根据设备之间的依赖关系,判断是否生成异常修复消息,在统计原始数据的同时,快速从众多计量表的原始数据中筛选得到异常数据,也能够通过设备之间的依赖关系,即缓存周期的开始和结束时间,计算得到对应的即时特征统计数据。
本申请的上述发明目的二是通过以下技术方案得以实现的:
一种表计读数转用量的数据处理装置,所述表计读数转用量的数据处理装置包括:
原始数据实时处理模块,用于获取计量表原始数据,对所述计量表原始数据进行预处理,得到待统计数据,并将所述待统计数据存入缓存数据库中;
即时统计模块,用于从所述缓存数据库中获取即时用量数据和即时特征数据,分别对所述即时用量数据和所述即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将所述即时用量统计数据和所述即时特征统计数据存入所述缓存数据库中;
后统计模块,用于获取虚拟设备数据,根据所述虚拟设备数据构建统计任务消息,根据每个所述统计任务消息对每个所述虚拟设备数据进行计算,得到虚拟设备实际值,并将所述虚拟设备实际值存入所述缓存数据库中;
异常时段重新统计模块,用于当获取到异常修复消息时,根据所述异常修复消息从所述缓存数据库中获取待修复数据,对所述待修复数据进行修正后,替换至所述缓存数据库中。
通过采用上述技术方案,在计量表进行统计的时候,先将统计得到的计量表原始数据进行预处理,从而能够得到对应的实际数据,即待统计数据,并将该待统计数据存入缓存数据库中,便于后续快速响应数据的查询和获取;在统计计量表的数据时,通过定时触发进行用量以及特征值统计,并能够在接收到计量表原始数据后,及时进行计算,并快速计算得到统计数据,并在计算统计数据时,由于对不同数据项之间的交互运算支持,从而产生出的依赖关系导致部分数据项的处理必须早于特定的数据项,因此,使用分层统计策略,能够使得无法被即时触发统计的数据项作为被依赖的数据项时被优先统计,提升统计的准确性,以及便有后期快速筛选得到出现异常的数据。
本申请的上述目的三是通过以下技术方案得以实现的:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述表计读数转用量的数据处理方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述表计读数转用量的数据处理方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1、支持丰富的计算规则:程序结合表达式引擎,支持用户输入自定义计算公式及规则,实现单数据项的多功能运算及逻辑判断,以及不同数据项之间的交互运算;
2、数据冻结机制:程序将原始数据按用户设定的自定义计算公式/规则计算出的实际数据、统计数据存储到专用数据池,以便后续查询时的快速响应;
3、组合即时触发式统计量计算:除常规的定时触发进行用量、特征值统计外,程序内部建立缓存快照及计算模型,在接收到上送的物联数据时,即时输入至模型并实时输出统计数据;
4、定时统计任务分层优化:由于对不同数据项之间的交互运算支持,从而产生出的依赖关系导致部分数据项的处理必须早于特定的数据项,因此,程序使用分层统计策略,保证无法被即时触发统计的数据项作为被依赖的数据项时被优先统计。
附图说明
图1是本申请一实施例中表计读数转用量的数据处理方法的一流程图;
图2是本申请一实施例中表计读数转用量的数据处理中方法步骤S10的实现流程图;
图3是本申请一实施例中表计读数转用量的数据处理中方法步骤S213的实现流程图;
图4是本申请一实施例中表计读数转用量的数据处理中方法步骤S213的另一实现流程图;
图5是本申请一实施例中表计读数转用量的数据处理中方法步骤S40的实现流程图;
图6是本申请一实施例中表计读数转用量的数据处理中方法步骤S20的另一实现流程图;
图7是本申请一实施例中表计读数转用量的数据处理装置的一原理框图;
图8是本申请一实施例中的设备示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种表计读数转用量的数据处理方法,具体包括如下步骤:
S10:获取计量表原始数据,对计量表原始数据进行预处理,得到待统计数据,并将待统计数据存入缓存数据库中。
在本实施例中,计量表原始数据是指从各个用电设备对应的计量表中获取到的用量的原始数据。待统计数据是指需要进行实际用量的统计的数据。
具体地,通过物联设备上报对应的数据,即计量表原始数据,在该阶段,获取到物联设备的上报计量表原始数据会代入值转换公式交由公式引擎执行必要的运算,运算后得到的值会被反向递归到依赖该数据项的其它单依赖虚或物理拟设备上再次进行计算,直到设备的数据项为多依赖或递归结束为止,得到该待统计数据,并将待统计数据存入预设的缓存数据库中,其中,反向递归是指从第一步开始,使用每一步的输出作为下一步的输入,以复合计算步骤。
S20:从缓存数据库中获取即时用量数据和即时特征数据,分别对即时用量数据和即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将即时用量统计数据和即时特征统计数据存入缓存数据库中。
具体地,在缓存数据库中的待统计数据,包含用量即时数据与记录有最大值、最小值以及平均值等的即时特征值数据。其中,即时用量数据按时、日、月、年建立一级缓存,然后按各测量项建立二级缓存。当收到读数数据后,会更新对应缓存内的最大、最小读数值,再将差值代入对应的统计量数据项值转换公式交由公式引擎执行必要的运算,运算后的值会被反向递归到依赖该统计量数据项的其它单依赖虚拟或物理设备上再次进行计算,直到设备的数据项为多依赖或递归结束为止。
进一步地,当收到的数据时间戳超过缓存的时间范围后,则正式结算用量,且缓冲区会向前一个周期“滚动”,即查询相邻上一个周期的数据,当收到的数据时间戳小于缓存的时间范围前,则不作任何处理。
进一步地,计算即时特征值统计数据与即时用量统计数据类似,与之不同的是,计算时仅处理测量数据,且由于数据已被原始数据实时处理模块递归处理过,此处仅作特征值即时计算因此不会进行递归处理。
S30:获取虚拟设备数据,根据虚拟设备数据构建统计任务消息,根据每个统计任务消息对每个虚拟设备数据进行计算,得到虚拟设备实际值,并将虚拟设备实际值存入缓存数据库中。
在本实施例中,虚拟设备数据是指由对应的其他计量表的数据进行一定的计算获得的数据。
具体地,由于存在有某些虚拟设备的某些数据项,需要多个其它计量表的数据项进行组合运算才能计算出实际值,在此情况下,计量表原始数据实时处理模块和即时统计模块是无法对其进行处理的。因此,根据此类数据项构建对应的统计任务消息,进行一对一的后统计任务构建,进一步地,通过公式引擎调用用户预先设置的运算公式,对虚拟数据进行计算,从而得到该虚拟设备实际值。后统计任务内部会记录当前的统计进度,统计进度为时间戳,当后统计任务每执行一次,该任务的统计进度也将随之滚动。
后统计任务按统计类型可分为用量统计型、特征值统计型、测量数据统计型,按统计模式可分为修复数据型和常规统计型,按统计期限可分为临时型和常驻型。 类似即使统计模块,用量统计型和特征值统计型后统计任务也会按时、日、月、年建立缓存,但无需建立二级缓存,因为单个任务仅针对单个数据项进行统计。此外,后统计任务在执行计算时,采用正向递归先对依赖的数据项进行处理计算出依赖的值后再计算实际的值。与其它类型的统计任务不同,常驻测量数据统计型任务不会按时间周期建立缓存,且会将计算出来的结果额外输出到即时统计模块用于特征值计算。
通过构建对应的任务调度中心,调度中心会根据策略调度任务并进行执行,直到任务整体完成或被取消后移除。任务调度中心采用分层+以时间戳为key的最小堆策略进行调度任务,从而计算得到虚拟设备实际值。
S40:当获取到异常修复消息时,根据异常修复消息从缓存数据库中获取待修复数据,对待修复数据进行修正后,替换至缓存数据库中。
具体地,由于某些时候的配置错误或数据补传,此时需要对历史数据进行修正。在获取到异常修复消息后,生成对应的修复型后统计任务,再将任务转交给后统计模块进行数据修复。
在本实施例中,在计量表进行统计的时候,先将统计得到的计量表原始数据进行预处理,从而能够得到对应的实际数据,即待统计数据,并将该待统计数据存入缓存数据库中,便于后续快速响应数据的查询和获取;在统计计量表的数据时,通过定时触发进行用量以及特征值统计,并能够在接收到计量表原始数据后,及时进行计算,并快速计算得到统计数据,并在计算统计数据时,由于对不同数据项之间的交互运算支持,从而产生出的依赖关系导致部分数据项的处理必须早于特定的数据项,因此,使用分层统计策略,能够使得无法被即时触发统计的数据项作为被依赖的数据项时被优先统计,提升统计的准确性,以及便有后期快速筛选得到出现异常的数据。
在一实施例中,如图2所示,在步骤S10中,即获取计量表原始数据,对计量表原始数据进行预处理,得到待统计数据,并将待统计数据存入缓存数据库中,具体包括:
S11:获取预设的自定义公式,通过自定义公式对计量表原始数据进行计算,将对应的计算结果存入数据结果集。
具体地,用户根据应用环境,预先设置对应的自定义公式,存入公式引擎中,例如,统计一个虚拟点的用量,该虚拟点的用量等于它下级ABC三个点的用量,getQuantity(测量表计A,测量编码,0,startTime,endTime)+getQuantity(测量表计B,测量编码,0,startTime,endTime)+getQuantity(测量表计C,测量编码,0,startTime,endTime)。
进一步地,在获取到自定义公式后,对该计量表原始数据进行计算,从而得到对应的计算结果,并将计算结果存入该数据结果集中。
S12:获取每个计量表原始数据对应的虚/实设备标识,根据虚/实设备标识对数据结果集中的数据进行递归计算,得到待统计数据。
具体地,获取各个虚拟设备以及物理设备的设备唯一标识,作为该虚/实设备标识。进一步地,根据该虚/实设备标识获取相互依赖的依赖关系,根据该依赖关系进行反向递归,若递归的测量项正向依赖为多个,则停止递归,若递归后的测量项编码为用量编码,则转换成表码编码进行原样输出结果,得到该待统计数据。
在一实施例中,如图3所示,在步骤S20中,即从缓存数据库中获取即时用量数据和即时特征数据,分别对即时用量数据和即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将即时用量统计数据和即时特征统计数据存入缓存数据库中,具体包括:
S211:获取数据缓存周期开始时间,根据数据缓存周期开始时间从缓存数据库中获取数据。
具体地,获取对应数据项进度缓存,并判断是否有缓存,如果无缓存,新建并初始化缓存,结束统计,如果有缓存,则获取数据缓存周期开始时间,根据该数据缓存周期开始时间从缓存数据中获取对应的数据。
S212:获取缓存数据库中的缓存时间,若缓存时间小于缓存周期开始时间,则根据缓存时间生成异常修复消息。
具体地,判断缓存是否小于缓存周期开始时间(/时/日/月/年),如果小于缓存周期开始时间,则添加时/日/月/年非重叠区域时间区间,并生成异常修复消息,之后结束统计。
S213:若缓存时间大于缓存周期开始时间,则获取缓存周期结束时间,根据缓存时间和缓存周期对即时用量数据进行计算,得到即时用量统计数据。
具体地,如果缓存时间大于该缓存周期开始时间,则按照(/时/日/月/年)获取缓存周期结束时间,根据缓存时间和缓存周期对即时用量数据进行计算,得到即时用量统计数据。
S214:获取计算得到即时用量统计数据的数据计算时间,若数据计算时间大于等于周期时间,则获取缓存最小时间,并将数据时间更新为缓存最小时间。
具体地,由于假设上传上来的数据一定是叶子节点,因此假设该节点的数据来源为它自身,无需依赖其它节点,计算当前点用量,即递归求和当前点用量计算树用量,从而计算得到即时用量统计数据,并获取对应的当前时间,作为数据计算时间。进一步地,判断计算出的数据时间是否>=周期(时/日/月/年)结束时间,如果是,将缓存内最小时间设置为该数据时间,最大时间为空;如果否,结束统计。
在一实施例中,如图4所示,在步骤S213中,即若缓存时间大于缓存周期开始时间,则获取缓存周期结束时间,根据缓存时间和缓存周期对即时用量数据进行计算,具体包括:
S2131:若缓存时间大于缓存结束时间,则从即时用量数据中获取进度缓存最大最小值。
具体地,如果大于缓存周期开始时间,判断缓存是否大于缓存周期结束时间(/时/日/月/年),如果大于缓存周期结束时间,则判断当前进度缓存是否存在最大最小值,若获取到,则将获取到的数据作为进度缓存最大的最小值。同时,如果不存在最大最小值,则将缓存内最小时间设置为该数据时间,最大时间为空。
S2132:对缓存最大最小值进行计算,得到即时用量统计数据。
具体地,如果存在最大最小值,即存在该缓存最大最小值,则根据递归求和当前点用量计算树用量计算当前点用量。
在一实施例中,如图5所示,在步骤S213中,即若缓存时间大于缓存周期开始时间,则获取缓存周期结束时间,根据缓存时间和缓存周期对即时用量数据进行计算,具体包括:
S2133:若缓存时间小于缓存结束时间,则从缓存时间中获取当前进度时间的结束时间和最后输出时间。
具体地,若缓存时间小于缓存结束时间,则获取当前进度时间的结束时间和最后输出时间。
S2134:计算当前进度时间的结束时间和最后输出时间的差值,若差值大于等于预设值,则将最后输出时间更新为当前数据时间。
具体地,通过当前进度时间的结束时间减去最后输出时间得到该差值,在本实施例中,差值为5。
进一步地,若该差值小于5,则结束统计,若差值大于等于5,则更新该缓存最后输出时间为当前数据时间。
S2134:获取当前数据时间对应的当前点用量数据,对当前点用量数据进行计算,得到即时用量统计数据。
具体地,判断缓存是否大于缓存周期结束时间(/时/日/月/年),如果小于缓存周期结束时间(开始时间<= time<= 结束时间),则对比更新缓存的树种的最小时间和最大时间及其表码,得到该即时用量统计数据。
在一实施例中,如图6所示,在步骤S20中,即从缓存数据库中获取即时用量数据和即时特征数据,分别对即时用量数据和即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将即时用量统计数据和即时特征统计数据存入缓存数据库中,具体包括:
S221:获取数据缓存周期开始时间,根据数据缓存周期开始时间从缓存数据库中获取数据。
获取对应数据项进度缓存,并判断是否有缓存,如果无缓存,新建并初始化缓存,结束统计,如果有缓存,则获取数据缓存周期开始时间,根据该数据缓存周期开始时间从缓存数据中获取对应的数据。
S222:获取缓存数据库中的缓存时间,若缓存时间小于缓存周期开始时间,则根据缓存时间生成异常修复消息。
具体地,判断缓存是否小于缓存周期开始时间(/时/日/月/年),如果小于缓存周期开始时间,则添加时/日/月/年非重叠区域时间区间,并生成异常修复消息,之后结束统计。
S223:若缓存时间大于缓存周期开始时间,则获取缓存周期结束时间,根据缓存时间和缓存周期对即时特征数据进行计算,得到即时特征统计数据。
具体地,包括如下步骤:
Step1.获取对应数据项进度缓存;
Step2.判断是否有缓存,如果无缓存,新建并初始化缓存,结束统计;
Step3.如果有缓存,判断缓存是否小于缓存周期开始时间(/时/日/月/年),如果小于缓存周期开始时间,则添加时/日/月/年非重叠区域时间区间到异常区域重新统计模块(通过表码),之后结束统计;
Step4.如果大于缓存周期开始时间,判断缓存是否大于缓存周期结束时间(/时/日/月/年),如果大于缓存周期结束时间,输出到 MQ;
Step5.接Step3,如果大于缓存周期开始时间,判断缓存是否大于缓存周期结束时间(/时/日/月/年),如果小于缓存周期结束时间(开始时间<= time<= 结束时间),更新缓存内最大值、最小值、平均值、数量;
Step6.判断当前进度时间的结束时间或数据时间-最后输出时间是否>=5,如果<5,结束统计;如果>=5,输出到 MQ;
Step7.判断计算出的数据时间是否>=周期(时/日/月/年)结束时间,如果否,结束统计;如果是,更新缓存进度。
S224:获取计算得到即时用量统计数据的数据计算时间,若数据计算时间大于等于周期时间,则获取缓存最小时间,并将数据时间更新为缓存最小时间。
具体地,由于假设上传上来的数据一定是叶子节点,因此假设该节点的数据来源为它自身,无需依赖其它节点,计算当前点用量,即递归求和当前点用量计算树用量,从而计算得到即时用量统计数据,并获取对应的当前时间,作为数据计算时间。进一步地,判断计算出的数据时间是否>=周期(时/日/月/年)结束时间,如果是,将缓存内最小时间设置为该数据时间,最大时间为空;如果否,结束统计。
可选的,还包括有时间分段统计量即时统计,包括如下步骤:
Step1.获取对应数据项进度缓存;
Step2.判断是否有缓存,如果无缓存,新建并初始化缓存,结束统计;
Step3.如果有缓存,判断缓存是否小于缓存周期开始时间(/时/日/月/年),如果小于缓存周期开始时间,则添加时/日/月/年非重叠区域时间区间到异常区域重新统计模块(通过表码),之后结束统计;
Step4.如果大于缓存周期开始时间,判断缓存是否大于缓存周期结束时间(/时/日/月/年),如果大于缓存周期结束时间,计算当前点用量(递归求和当前点用量计算树用量);
Step5.接Step3,如果大于缓存周期开始时间,判断缓存是否大于缓存周期结束时间(/时/日/月/年),如果小于缓存周期结束时间(开始时间<= time<= 结束时间),则对比更新缓存的树种的最小时间和最大时间及其表码;
Step6.判断当前进度时间的结束时间或数据时间-最后输出时间是否>=5,如果<5,结束统计,如果>=5,更新该缓存最后输出时间为当前数据时间;
Step7.计算当前点用量(递归求和当前点用量计算树用量);
Step8.利用小时用量求日/月/年用量
Step9.输出计算结果到 MQ;
Step10.判断计算出的数据时间是否>=周期(时/日/月/年)结束时间,如果否,结束统计;如果是,根据时间分段规律规则滚动相应周期;
Step11.判断滚动后的时间是否超过总期限,如果是,移除该缓存;如果否,结束统计。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种表计读数转用量的数据处理装置,该表计读数转用量的数据处理装置与上述实施例中表计读数转用量的数据处理方法一一对应。如图7所示,该表计读数转用量的数据处理装置包括原始数据实时处理模块、即时统计模块、后统计模块和异常时段重新统计模块。各功能模块详细说明如下:
原始数据实时处理模块,用于获取计量表原始数据,对计量表原始数据进行预处理,得到待统计数据,并将待统计数据存入缓存数据库中;
即时统计模块,用于从缓存数据库中获取即时用量数据和即时特征数据,分别对即时用量数据和即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将即时用量统计数据和即时特征统计数据存入缓存数据库中;
后统计模块,用于获取虚拟设备数据,根据虚拟设备数据构建统计任务消息,根据每个统计任务消息对每个虚拟设备数据进行计算,得到虚拟设备实际值,并将虚拟设备实际值存入缓存数据库中;
异常时段重新统计模块,用于当获取到异常修复消息时,根据异常修复消息从缓存数据库中获取待修复数据,对待修复数据进行修正后,替换至缓存数据库中。
可选的,原始数据实时处理模块包括:
公式引擎子模块,用于获取预设的自定义公式,通过自定义公式对计量表原始数据进行计算,将对应的计算结果存入数据结果集;
数据递归计算子模块,用于获取每个计量表原始数据对应的虚/实设备标识,根据虚/实设备标识对数据结果集中的数据进行递归计算,得到待统计数据。
可选的,即时统计模块包括:
第一数据获取子模块,用于获取数据缓存周期开始时间,根据数据缓存周期开始时间从缓存数据库中获取数据;
第一异常触发子模块,用于获取缓存数据库中的缓存时间,若缓存时间小于缓存周期开始时间,则根据缓存时间生成异常修复消息;
第一数据统计子模块,用于若缓存时间大于缓存周期开始时间,则获取缓存周期结束时间,根据缓存时间和缓存周期对即时用量数据进行计算,得到即时用量统计数据;
第一时间更新子模块,用于获取计算得到即时用量统计数据的数据计算时间,若数据计算时间大于等于周期时间,则获取缓存最小时间,并将数据时间更新为缓存最小时间。
可选的,数据统计子模块包括:
数值获取单元,用于若缓存时间大于缓存结束时间,则从即时用量数据中获取进度缓存最大最小值;
数据统计单元,用于对缓存最大最小值进行计算,得到即时用量统计数据。
可选的,数据统计子模块包括:
时间获取单元,用于若缓存时间小于缓存结束时间,则从缓存时间中获取当前进度时间的结束时间和最后输出时间;
差值计算单元计算当前进度时间的结束时间和最后输出时间的差值,若差值大于等于预设值,则将最后输出时间更新为当前数据时间;
数据计算单元,用于获取当前数据时间对应的当前点用量数据,对当前点用量数据进行计算,得到即时用量统计数据。
可选的,即时统计模块包括:
第二数据获取子模块,用于获取数据缓存周期开始时间,根据数据缓存周期开始时间从缓存数据库中获取数据;
第二异常触发子模块,用于获取缓存数据库中的缓存时间,若缓存时间小于缓存周期开始时间,则根据缓存时间生成异常修复消息;
第二时间更新子模块,用于若缓存时间大于缓存周期开始时间,则获取缓存周期结束时间,根据缓存时间和缓存周期对即时特征数据进行计算,得到即时特征统计数据;
第二时间更新子模块,用于获取计算得到即时用量统计数据的数据计算时间,若数据计算时间大于等于周期时间,则获取缓存最小时间,并将数据时间更新为缓存最小时间。
关于表计读数转用量的数据处理装置的具体限定可以参见上文中对于表计读数转用量的数据处理方法的限定,在此不再赘述。上述表计读数转用量的数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种表计读数转用量的数据处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取计量表原始数据,对计量表原始数据进行预处理,得到待统计数据,并将待统计数据存入缓存数据库中;
从缓存数据库中获取即时用量数据和即时特征数据,分别对即时用量数据和即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将即时用量统计数据和即时特征统计数据存入缓存数据库中;
获取虚拟设备数据,根据虚拟设备数据构建统计任务消息,根据每个统计任务消息基于公式引擎,对每个虚拟设备数据进行计算,得到虚拟设备实际值,并将虚拟设备实际值存入缓存数据库中;
当获取到异常修复消息时,根据异常修复消息从缓存数据库中获取待修复数据,对待修复数据进行修正后,替换至缓存数据库中。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取计量表原始数据,对计量表原始数据进行预处理,得到待统计数据,并将待统计数据存入缓存数据库中;
从缓存数据库中获取即时用量数据和即时特征数据,分别对即时用量数据和即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将即时用量统计数据和即时特征统计数据存入缓存数据库中;
获取虚拟设备数据,根据虚拟设备数据构建统计任务消息,根据每个统计任务消息对每个虚拟设备数据进行计算,得到虚拟设备实际值,并将虚拟设备实际值存入缓存数据库中;
当获取到异常修复消息时,根据异常修复消息从缓存数据库中获取待修复数据,对待修复数据进行修正后,替换至缓存数据库中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (6)
1.一种表计读数转用量的数据处理方法,其特征在于,所述表计读数转用量的数据处理方法包括:
获取计量表原始数据,对所述计量表原始数据进行预处理,得到待统计数据,并将所述待统计数据存入缓存数据库中,其中,所述计量表原始数据是指从各个用电设备对应的计量表中获取到的用量的原始数据,所述待统计数据是指需要进行实际用量的统计的数据,具体包括:
获取预设的自定义公式,通过所述自定义公式对所述计量表原始数据进行计算,将对应的计算结果存入数据结果集;
获取每个所述计量表原始数据对应的虚/实设备标识,根据所述虚/实设备标识对所述数据结果集中的数据进行递归计算,得到所述待统计数据;
从所述缓存数据库中获取即时用量数据和即时特征数据,分别对所述即时用量数据和所述即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将所述即时用量统计数据和所述即时特征统计数据存入所述缓存数据库中,其中,即时特征数据是指在缓存数据库中的待统计数据,包含用量即时数据与记录有最大值、最小值以及平均值的数据,具体包括:
获取数据缓存周期开始时间,根据所述数据缓存周期开始时间从所述缓存数据库中获取数据;
获取所述缓存数据库中的缓存时间,若所述缓存时间小于所述缓存周期开始时间,则根据所述缓存时间生成异常修复消息;
若所述缓存时间大于所述缓存周期开始时间,则获取缓存周期结束时间,根据所述缓存时间和所述缓存周期对所述即时用量数据进行计算,得到所述即时用量统计数据,根据所述缓存时间和所述缓存周期对所述即时特征数据进行计算,得到所述即时特征统计数据;
获取计算得到所述即时用量统计数据的数据计算时间,若所述数据计算时间大于等于所述周期时间,则获取缓存最小时间,并将所述数据时间更新为所述缓存最小时间;
获取虚拟设备数据,根据所述虚拟设备数据构建统计任务消息,根据每个所述统计任务消息对每个所述虚拟设备数据进行计算,得到虚拟设备实际值,并将所述虚拟设备实际值存入所述缓存数据库中,所述虚拟设备数据是指由对应的其他计量表的数据进行一定的计算获得的数据;
当获取到异常修复消息时,根据所述异常修复消息从所述缓存数据库中获取待修复数据,对所述待修复数据进行修正后,替换至所述缓存数据库中。
2.根据权利要求1所述的表计读数转用量的数据处理方法,其特征在于,所述若所述缓存时间大于所述缓存周期开始时间,则获取缓存周期结束时间,根据所述缓存时间和所述缓存周期对所述即时用量数据进行计算,具体包括:
若所述缓存时间大于所述缓存结束时间,则从所述即时用量数据中获取进度缓存最大最小值;
对所述缓存最大最小值进行计算,得到所述即时用量统计数据。
3.根据权利要求1所述的表计读数转用量的数据处理方法,其特征在于,所述若所述缓存时间大于所述缓存周期开始时间,则获取缓存周期结束时间,根据所述缓存时间和所述缓存周期对所述即时用量数据进行计算,具体包括:
若所述缓存时间小于所述缓存结束时间,则从所述缓存时间中获取当前进度时间的结束时间和最后输出时间;
计算所述当前进度时间的结束时间和所述最后输出时间的差值,若所述差值大于等于预设值,则将所述最后输出时间更新为当前数据时间;
获取所述当前数据时间对应的当前点用量数据,对所述当前点用量数据进行计算,得到所述即时用量统计数据。
4.一种表计读数转用量的数据处理装置,其特征在于,所述表计读数转用量的数据处理装置包括:
原始数据实时处理模块,用于获取计量表原始数据,对所述计量表原始数据进行预处理,得到待统计数据,并将所述待统计数据存入缓存数据库中,其中,所述计量表原始数据是指从各个用电设备对应的计量表中获取到的用量的原始数据,所述待统计数据是指需要进行实际用量的统计的数据,所述原始数据实时处理模块包括:
公式引擎子模块,用于获取预设的自定义公式,通过所述自定义公式对所述计量表原始数据进行计算,将对应的计算结果存入数据结果集;
数据递归计算子模块,用于获取每个所述计量表原始数据对应的虚/实设备标识,根据所述虚/实设备标识对所述数据结果集中的数据进行递归计算,得到所述待统计数据;
即时统计模块,用于从所述缓存数据库中获取即时用量数据和即时特征数据,分别对所述即时用量数据和所述即时特征数据进行计算后,得到即时用量统计数据和即时特征统计数据,并将所述即时用量统计数据和所述即时特征统计数据存入所述缓存数据库中,其中,即时特征数据是指在缓存数据库中的待统计数据,包含用量即时数据与记录有最大值、最小值以及平均值的数据,即时统计模块包括:
第一数据获取子模块,用于获取数据缓存周期开始时间,根据数据缓存周期开始时间从缓存数据库中获取数据;
第一异常触发子模块,用于获取缓存数据库中的缓存时间,若缓存时间小于缓存周期开始时间,则根据缓存时间生成异常修复消息;
第一数据统计子模块,用于若缓存时间大于缓存周期开始时间,则获取缓存周期结束时间,根据缓存时间和缓存周期对即时用量数据进行计算,得到即时用量统计数据;
第一时间更新子模块,用于获取计算得到即时用量统计数据的数据计算时间,若数据计算时间大于等于周期时间,则获取缓存最小时间,并将数据时间更新为缓存最小时间;
即时统计模块还包括:
第二数据获取子模块,用于获取数据缓存周期开始时间,根据数据缓存周期开始时间从缓存数据库中获取数据;
第二异常触发子模块,用于获取缓存数据库中的缓存时间,若缓存时间小于缓存周期开始时间,则根据缓存时间生成异常修复消息;
第二时间更新子模块,用于若缓存时间大于缓存周期开始时间,则获取缓存周期结束时间,根据缓存时间和缓存周期对即时特征数据进行计算,得到即时特征统计数据;
第二时间更新子模块,用于获取计算得到即时用量统计数据的数据计算时间,若数据计算时间大于等于周期时间,则获取缓存最小时间,并将数据时间更新为缓存最小时间;
后统计模块,用于获取虚拟设备数据,根据所述虚拟设备数据构建统计任务消息,根据每个所述统计任务消息对每个所述虚拟设备数据进行计算,得到虚拟设备实际值,并将所述虚拟设备实际值存入所述缓存数据库中,所述虚拟设备数据是指由对应的其他计量表的数据进行一定的计算获得的数据;
异常时段重新统计模块,用于当获取到异常修复消息时,根据所述异常修复消息从所述缓存数据库中获取待修复数据,对所述待修复数据进行修正后,替换至所述缓存数据库中。
5.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述表计读数转用量的数据处理方法的步骤。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述表计读数转用量的数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310944039.8A CN116932596B (zh) | 2023-07-28 | 2023-07-28 | 表计读数转用量的数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310944039.8A CN116932596B (zh) | 2023-07-28 | 2023-07-28 | 表计读数转用量的数据处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116932596A CN116932596A (zh) | 2023-10-24 |
CN116932596B true CN116932596B (zh) | 2024-04-02 |
Family
ID=88389558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310944039.8A Active CN116932596B (zh) | 2023-07-28 | 2023-07-28 | 表计读数转用量的数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116932596B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612647A (zh) * | 2020-05-14 | 2020-09-01 | 深圳旦倍科技有限公司 | 计量表异常数据检测方法、装置、计量表及可读存储介质 |
CN111752991A (zh) * | 2020-06-12 | 2020-10-09 | 南京认知物联网研究院有限公司 | 一种表计数据统计方法、装置和获取表计统计数据方法 |
CN112184491A (zh) * | 2020-10-13 | 2021-01-05 | 南方电网数字电网研究院有限公司 | 电网中异常数据识别方法、装置、计算机设备和存储介质 |
CN112287922A (zh) * | 2020-10-29 | 2021-01-29 | 北京百度网讯科技有限公司 | 表计读取方法、装置、设备以及存储介质 |
CN114356944A (zh) * | 2021-12-30 | 2022-04-15 | 深圳市国电科技通信有限公司 | 基于大数据处理用电表码数据的方法、装置和存储介质 |
CN116257554A (zh) * | 2021-12-02 | 2023-06-13 | 上海斯同瑞电气科技有限公司 | 基于虚拟总表的需量统计分析方法、装置、设备和介质 |
WO2023109964A1 (zh) * | 2021-12-16 | 2023-06-22 | 中移(苏州)软件技术有限公司 | 一种数据分析方法、装置、设备及计算机可读存储介质 |
-
2023
- 2023-07-28 CN CN202310944039.8A patent/CN116932596B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612647A (zh) * | 2020-05-14 | 2020-09-01 | 深圳旦倍科技有限公司 | 计量表异常数据检测方法、装置、计量表及可读存储介质 |
CN111752991A (zh) * | 2020-06-12 | 2020-10-09 | 南京认知物联网研究院有限公司 | 一种表计数据统计方法、装置和获取表计统计数据方法 |
CN112184491A (zh) * | 2020-10-13 | 2021-01-05 | 南方电网数字电网研究院有限公司 | 电网中异常数据识别方法、装置、计算机设备和存储介质 |
CN112287922A (zh) * | 2020-10-29 | 2021-01-29 | 北京百度网讯科技有限公司 | 表计读取方法、装置、设备以及存储介质 |
CN116257554A (zh) * | 2021-12-02 | 2023-06-13 | 上海斯同瑞电气科技有限公司 | 基于虚拟总表的需量统计分析方法、装置、设备和介质 |
WO2023109964A1 (zh) * | 2021-12-16 | 2023-06-22 | 中移(苏州)软件技术有限公司 | 一种数据分析方法、装置、设备及计算机可读存储介质 |
CN114356944A (zh) * | 2021-12-30 | 2022-04-15 | 深圳市国电科技通信有限公司 | 基于大数据处理用电表码数据的方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116932596A (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111861208B (zh) | 生产管理中mrp物料需求自动计算方法、系统及介质 | |
CN116187549A (zh) | 能耗预测方法、计算设备及计算机存储介质 | |
CN112904266A (zh) | 一种电能表寿命预测方法及装置 | |
CN116932596B (zh) | 表计读数转用量的数据处理方法、装置、设备及存储介质 | |
CN115358798A (zh) | 负荷数据修复方法、装置、设备及计算机可读存储介质 | |
JP2009186251A (ja) | 雨量値補間、累計雨量積算方法 | |
CN108767854B (zh) | 购电方案优化方法、装置以及电子设备 | |
CN117331377A (zh) | 一种配置方法、装置、电子设备及存储介质 | |
CN112230178A (zh) | 一种电能表需量计量方法 | |
CN111259338A (zh) | 元器件失效率修正方法、装置、计算机设备及存储介质 | |
CN114595980A (zh) | 基于平行网络的能源成本核算方法、系统及计算机设备 | |
CN115203291A (zh) | 一种数据处理方法、装置及存储介质 | |
CN116257554A (zh) | 基于虚拟总表的需量统计分析方法、装置、设备和介质 | |
CN114091878A (zh) | 基于现货市场模型的能源电力产业链风险预警方法及系统 | |
CN111147082A (zh) | 一种证券交易数据压缩方法及装置 | |
CN115578080B (zh) | 基于信息化系统造价基准库工作量核定方法 | |
CN111027751B (zh) | 一种蒸发器维护时间的预测方法以及装置 | |
CN109857774B (zh) | 基于多传感器融合变形监测数据统计方法以及装置 | |
CN115932711B (zh) | 一种电能表计量可信度的数据处理方法、装置及介质 | |
CN115795257A (zh) | 计量数据的处理方法、装置、计量仪表及可读存储介质 | |
CN1307278A (zh) | 用中央处理器内部的时间戳记计数器校准实时时钟的方法 | |
CN114741905B (zh) | 一种实测能耗数据修正方法、装置、电子设备及存储介质 | |
CN114724961B (zh) | 超结mos管的背金生产智能流转方法及系统 | |
CN117150191B (zh) | 一种数字化电表错接线追退电量计算方法及系统 | |
JP5997641B2 (ja) | データ処理装置およびその方法、ならびにプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |