CN116934530A - 一种智能电表的数据处理方法和装置、设备及存储介质 - Google Patents
一种智能电表的数据处理方法和装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116934530A CN116934530A CN202311197092.2A CN202311197092A CN116934530A CN 116934530 A CN116934530 A CN 116934530A CN 202311197092 A CN202311197092 A CN 202311197092A CN 116934530 A CN116934530 A CN 116934530A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- line
- calculation
- power supply
- power
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000005265 energy consumption Methods 0.000 claims abstract description 301
- 230000005540 biological transmission Effects 0.000 claims abstract description 179
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000013139 quantization Methods 0.000 claims abstract description 37
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 181
- 230000005611 electricity Effects 0.000 claims description 84
- 238000011156 evaluation Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 15
- 238000013210 evaluation model Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000011002 quantification Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000007865 diluting Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 26
- 239000012895 dilution Substances 0.000 description 16
- 238000010790 dilution Methods 0.000 description 16
- 230000002354 daily effect Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 10
- 239000000243 solution Substances 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003113 dilution method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种智能电表的数据处理方法和装置、设备及存储介质，属于智能电表技术领域。该方法包括：获取候选供电线路的线路选择影响数据，其中，线路选择影响数据包括：线路运算影响参数和传输能耗影响参数，通过算力量化模型对线路运算影响参数进行计算，得到每一线路的线路算力能耗，通过自组网内途量化模型对传输能耗影响参数进行计算，得到每一线路的线路传输能耗，并通过线路评估模型进行线路评估，得到每一线路的线路选择概率，根据线路选择概率对候选供电线路进行筛选处理，得到目标供电线路，通过目标供电线路将当前电网节点的目标电能传输至下一电网节点。本申请实施例能够使智能电表实现更合理的供电线路选择。
Description
技术领域
本申请涉及智能电表技术领域，尤其涉及一种智能电表的数据处理方法和装置、设备及存储介质。
背景技术
传统用户设置发电设备产生电能，若发电设备产生的电能超过用户所需要的电能，且储存足够时，需要将多余的电量释放掉，造成电能浪费。与传统电能表相比，智能电能表安装了智能芯片，且一般具备双向计量功能，相关技术中，智能电表结合芯片仍然存在不少局限性，且结合芯片后的智能电表依旧无法根据实际电路情况合理的进行供电线路选择，从而导致配电损失较高、电表用户使用体验差等问题。因此，如何使智能电表实现更合理的供电线路选择，成为了亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提出一种智能电表的数据处理方法和装置、设备及存储介质，旨在提供一种智能电表能够实现更合理的供电路线选择。
为实现上述目的，本申请实施例的第一方面提出了一种智能电表的数据处理方法，所述方法包括：
获取候选供电线路的线路选择影响数据；其中，所述线路选择影响数据包括：线路运算影响参数和传输能耗影响参数；其中，所述线路运算影响参数是当前电网节点沿着所述候选供电线路传输目标电能至下一电网节点产生运算的影响参数，所述目标电能由所述当前电网节点产生；
通过预设的算力量化模型对所述线路运算影响参数进行算力能耗计算，得到每一所述候选供电线路的线路算力能耗；
通过预设的自组网内途量化模型对所述传输能耗影响参数进行内途能耗计算，得到每一所述候选供电线路的线路传输能耗；
将所述线路算力能耗、所述线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一所述候选供电线路的线路选择概率；
根据所述线路选择概率对所述候选供电线路进行筛选处理，得到目标供电线路；
通过所述目标供电线路将所述当前电网节点的所述目标电能传输至下一电网节点。
根据本发明的一些实施例，在所述通过所述目标供电线路将所述当前电网节点的目标电能传输至下一电网节点之后，所述方法还包括：
更新所述目标供电线路的所述线路运算影响参数，具体包括：
获取所述每一电能的已传输距离；其中，所述已传输距离为所述每一电能被传输至所述当前电网节点的传输距离；
获取所述每一电能传输的总运算能耗；
获取所述目标供电线路的使用时间距离；其中，所述使用时间距离为所述目标供电线路被使用到当前时间点的时间距离；
根据所述使用时间距离、所述已传输距离和所述总运算能耗更新所述目标供电线路的所述线路运算影响参数。
根据本发明的一些实施例，所述根据所述使用时间距离、所述已传输距离和所述总运算能耗更新所述目标供电线路的所述线路运算影响参数，包括：
根据所述使用时间距离对所述线路算力能耗进行稀释处理，得到稀释算力能耗；
根据所述每一电能的所述总运算能耗和所述已传输距离进行能耗计算，得到所述每一电能沿所述目标供电线路传输产生的更新算力能耗；
根据所述更新算力能耗和所述稀释算力能耗进行求和，得到目标算力能耗；
根据所述目标算力能耗输入至所述算力量化模型进行反向量化计算，得到更新线路运算影响参数；
将所述线路运算影响参数更新为所述更新线路运算影响参数。
根据本发明的一些实施例，所述传输能耗影响参数包括：无线传输能耗参数、广域网传输能耗参数、边缘节点能耗因子、云数据能耗因子，所述自组网内途量化模型包括：无线传输能耗网络、广域网传输能耗网络、边缘节点能耗网络、云数据能耗网络，所述通过预设的自组网内途量化模型对所述传输能耗影响参数进行内途能耗计算，得到每一所述候选供电线路的线路传输能耗，具体包括：
通过所述无线传输能耗网络对所述无线传输能耗参数进行传输能耗计算，得到无线传输能耗；
通过所述广域网传输能耗网络对所述广域网传输能耗参数进行传输能耗计算，得到广域网传输能耗；
通过所述边缘节点能耗网络对所述边缘节点能耗因子进行传输能耗计算，得到边缘计算节点能耗；
通过所述云数据能耗网络对所述云数据能耗因子进行传输能耗计算，得到云数据中心能耗；
将所述无线传输能耗、所述广域网传输能耗、所述边缘计算节点能耗、所述云数据中心能耗进行汇总处理，得到所述线路传输能耗。
根据本发明的一些实施例，所述线路评估模型基于集群算法构建，所述线路评估模型包括：算力能耗评估子模型、传输能耗评估子模型、线路选择预测子模型，所述将所述线路算力能耗、所述线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一所述候选供电线路的线路选择概率，具体包括：
通过所述算力能耗评估子模型对所述线路算力能耗进行算力评估，得到算力因子；
通过所述传输能耗评估子模型对所述线路传输能耗进行传输评估，得到传输因子；
将所述线路算力能耗、所述线路传输能耗、所述算力因子和所述传输因子输入所述线路选择预测子模型进行线路选择预测，得到每一所述候选供电线路的所述线路选择概率；其中，所述线路选择预测子模型的表达式为：
其中，为所述线路选择概率，/>为所述线路算力能耗，/>为所述算力因子，为所述线路传输能耗，/>为所述传输因子，/>为预设的可选下一电网节点，/>为所述目标电能，/>为所述当前电网节点，/>为所述下一电网节点。
根据本发明的一些实施例，在通过所述目标供电线路将所述当前电网节点的目标电能传输至下一电网节点之后，所述方法还包括：
获取当前地区的电价信息和历史用电数据；其中，所述电价信息包括每一计费时间点的电费单价，所述历史用电数据为当前月份的用电量变化数据；
根据所述计费时间点对所述历史用电数据进行电量划分，得到每一所述计费时间点的用电量；
根据每一计费时间点的所述用电量和所述电费单价进行求和计算，得到总电费，并显示所述总电费。
根据本发明的一些实施例，在所述根据每一计费时间点的所述用电量和所述电费单价进行求和计算，得到总电费，并显示所述总电费之后，所述方法还包括：
将所述总电费和当前月天数进行均值计算，得到每一天的日电费；其中，所述当前月天数为当前月份的天数；
根据预设天数和所述日电费进行乘积计算，得到电费阈值；
获取历史电费余额，并根据所述历史电费余额和所述日电费进行差值计算，得到当前电费余额；
若所述当前电费余额小于所述电费阈值，则生成并显示电费提示信息。
为实现上述目的，本申请实施例的第二方面提出了一种智能电表的数据处理装置，所述装置包括：
获取模块，用于获取候选供电线路的线路选择影响数据；其中，所述线路选择影响数据包括：线路运算影响参数和传输能耗影响参数；其中，所述线路运算影响参数是当前电网节点沿着所述候选供电线路传输目标电能至下一电网节点产生运算的影响参数，所述目标电能由所述当前电网节点产生；
算力量化模块，用于通过预设的算力量化模型对所述线路运算影响参数进行算力能耗计算，得到每一所述候选供电线路的线路算力能耗；
内途量化模块，用于通过预设的自组网内途量化模型对所述传输能耗影响参数进行内途能耗计算，得到每一所述候选供电线路的线路传输能耗；
线路预测模块，用于将所述线路算力能耗、所述线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一所述候选供电线路的线路选择概率；
线路筛选模块，用于根据所述线路选择概率对所述候选供电线路进行筛选处理，得到目标供电线路；
传输模块，用于通过所述目标供电线路将所述当前电网节点的所述目标电能传输至下一电网节点。
为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
为实现上述目的，本申请实施例的第四方面提出了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第一方面所述的方法。
本申请提出的智能电表的数据处理方法和装置、设备及存储介质,其通过获取候选供电线路的线路选择影响数据，其中，线路选择影响数据包括：线路运算影响参数和传输能耗影响参数，其中，线路运算影响参数是当前电网节点沿着候选供电线路传输目标电能至下一电网节点产生运算的影响参数，目标电能由当前电网节点产生。通过预设的算力量化模型对线路运算影响参数进行算力能耗计算，得到每一候选供电线路的线路算力能耗，以用于量化每一候选线路的运算配电消耗，再通过预设的自组网内途量化模型对传输能耗影响参数进行内途能耗计算，得到每一候选供电线路的线路传输能耗，以量化每一候选线路的运输配电消耗。然后将线路算力能耗、线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一候选供电线路的线路选择概率，以得到能反应线路配电损耗的线路选择概率，配电损耗越大，线路选择概率越低。最后根据线路选择概率对候选供电线路进行筛选处理，选取线路选择概率最高的线路，以得到配电损耗最低的目标供电线路，并通过目标供电线路将当前电网节点的目标电能传输至下一电网节点。因此，使得智能电表能实现更合理的线路选择，从而减少电网中电能传输产生的配电损耗。
附图说明
图1是本申请实施例提供的智能电表的数据处理方法的流程图；
图2是更新目标供电线路的线路运算影响参数的步骤流程图；
图3是图2中的步骤S204的流程图；
图4是图1中的步骤S103的流程图；
图5是图1中的步骤S104的流程图；
图6是本申请另一实施例提供的智能电表的数据处理方法的流程图；
图7是本申请另一实施例提供的智能电表的数据处理方法的流程图；
图8是本申请实施例提供的智能电表的数据处理装置的结构示意图；
图9是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
与传统电能表相比，智能电能表安装了智能芯片，是“互联网+”在电网中的具体应用。为了适应可再生能源的使用，满足用户的定制服务，智能电能表有着许多与计费有关的功能。与此同时，各家电力公司积极为新能源接入电网提供便捷服务；这意味着，传统意义上的用电户可以将自家发的电卖给电网企业了。智能电能表的双向计量功能就是为各种分布式新能源的入网而设计的；即智能电能表既能计量用户消费电网提供的电力，又能计量用户卖给电网的电量。
传统用户设置发电设备产生电能，但发电设备若产生的电能超过用户所需要的电能，且储存足够时，需要将多余的电量释放掉，造成电能浪费。与传统电能表相比，智能电能表安装了智能芯片，且一般具备双向计量功能。相关技术中，智能电表结合芯片仍然存在不少局限性，且结合芯片后的智能电表依旧无法根据实际电路情况合理的进行供电线路选择，从而导致配电损失较高、电表用户使用体验差等问题。因此，如何使智能电表实现更合理的供电线路选择，成为了亟待解决的技术问题。
基于此，本申请实施例提供了一种智能电表的数据处理方法和装置、设备及存储介质，旨在使智能电表实现更合理的供电路线选择。
本申请实施例提供的智能电表的数据处理方法和装置、设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的推荐方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的一种智能电表的数据处理方法，涉及人工智能技术领域。本申请实施例提供的一种智能电表的数据处理方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现智能电表的数据处理方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
图1是本申请实施例提供的智能电表的数据处理方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S106。
步骤S101，获取候选供电线路的线路选择影响数据，其中，线路选择影响数据包括：线路运算影响参数和传输能耗影响参数，其中，线路运算影响参数是当前电网节点沿着候选供电线路传输目标电能至下一电网节点产生运算的影响参数，目标电能由当前电网节点产生；
步骤S102，通过预设的算力量化模型对线路运算影响参数进行算力能耗计算，得到每一候选供电线路的线路算力能耗；
步骤S103，通过预设的自组网内途量化模型对传输能耗影响参数进行内途能耗计算，得到每一候选供电线路的线路传输能耗；
步骤S104，将线路算力能耗、线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一候选供电线路的线路选择概率；
步骤S105，根据线路选择概率对候选供电线路进行筛选处理，得到目标供电线路；
步骤S106，通过目标供电线路将当前电网节点的目标电能传输至下一电网节点。
本申请实施例所示意的步骤S101至步骤S106，通过获取候选供电线路的线路选择影响数据，其中，线路选择影响数据包括：线路运算影响参数和传输能耗影响参数，其中，线路运算影响参数是当前电网节点沿着候选供电线路传输目标电能至下一电网节点产生运算的影响参数，目标电能由当前电网节点产生。通过预设的算力量化模型对线路运算影响参数进行算力能耗计算，得到每一候选供电线路的线路算力能耗，再通过预设的自组网内途量化模型对传输能耗影响参数进行内途能耗计算，得到每一候选供电线路的线路传输能耗。然后将线路算力能耗、线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一候选供电线路的线路选择概率，最后根据线路选择概率对候选供电线路进行筛选处理，并通过目标供电线路将当前电网节点的目标电能传输至下一电网节点。因此，通过预设的算力量化模型对线路运算影响参数进行算力能耗计算，得到每一候选供电线路的线路算力能耗，以用于量化每一候选线路的运算配电消耗，再通过预设的自组网内途量化模型对传输能耗影响参数进行内途能耗计算，得到每一候选供电线路的线路传输能耗，以量化每一候选线路的运输配电消耗。然后将线路算力能耗、线路传输能耗输入至预设的线路评估模型进行线路评估，以对每一候选供电线路的配电消耗进行评估，得到每一候选供电线路的线路选择概率，配电消耗越低的路线，线路选择概率越高。最后根据线路选择概率对候选供电线路进行筛选处理，选择线路概率最高的线路，以得到配电损耗最低的目标供电线路，使得智能电表实现了更合理的电路路线选择，从而减少了电网中电能传输的配电损耗。
在一些实施例的步骤S101中，线路运算影响参数包括：逻辑运算参数、并行计算参数、神经网络加速参数，可以通过获取电表的历史供电数据从而获取其中的候选供电线路的线路选择影响数据。也可以通过第三方软件获取候选供电线路的线路选择影响数据，且对于候选供电线路的线路选择影响数据不做限定。
在一些实施例的步骤S102中，通过预设的算力量化模型对线路运算影响参数进行算力能耗计算，得到每一候选供电线路的线路算力能耗。其中，算力量化模型的表达式如下所示：
（1）
其中，为线路算力能耗/>对应的算力需求，/>、/>分别逻辑运算参数、并行计算参数、神经网络加速参数对应的映射函数，/>、/>、/>分别为逻辑运算参数、并行计算参数、神经网络加速参数对应的映射比例系数，/>、/>、/>为对应的冗余算力。
需要说明的是，以并行计算能力为例，假设有b1、b2、b3，3种不同类型的并行计算参数，则表示第j个并行计算芯片b可提供的并行计算能力的映射函数，q2表示并行计算的冗余算力。因此，通过将各个参数或者映射函数输入公式（1）直接计算得到每一候选供电线路的线路算力能耗，使得线路算力能耗计算简易。
请参阅图2，在一些实施例中，更新目标供电线路的线路运算影响参数步骤可以包括但不限于包括步骤S201至步骤S204：
步骤S201，获取每一电能的已传输距离，其中，已传输距离为每一电能被传输至当前电网节点的传输距离；
步骤S202，获取每一电能传输的总运算能耗；
步骤S203，获取目标供电线路的使用时间距离，其中，使用时间距离为目标供电线路被使用到当前时间点的时间距离；
步骤S204，根据使用时间距离、已传输距离和总运算能耗更新目标供电线路的线路运算影响参数。
在一些实施例的步骤S201中，每一电能在传输过程中产生的传输数据会记录在每一电网节点并上传至电网配电中心。通过从电网配电中心下载每一电能的传输数据，即可迅速从中获取每一电能传输至当前电网节点的传输距离。
在一些实施例的步骤S202中，每一电能在产生时存在最大运算能耗限值，即为总运算能耗，总运算能耗仅与每一电能本身的电能高低相关，电能越高，总运算能耗越大。通过从电网配电中心下载每一电能的传输数据，即可从中获取每一电能的总运算能耗。
在一些实施例的步骤S203中，通过从电网配电中心下载每一电能的传输数据，即可从传输数据中获取目标供电线路的使用时间距离。
需要说明的是，每一电能经过目标供电线路产生线路运算能耗后会记录下被使用时间点以及相关线路运算能耗。
在一些实施例的步骤S204中，根据使用时间距离、已传输距离和总运算能耗更新目标供电线路的线路运算影响参数，以实现实时更新目标供电线路的线路运算影响参数。
本申请实施例所示意的步骤S201至步骤S204，通过获取每一电能的已传输距离、总运算能耗等传输数据，再结合使用时间距离对线路运算参数更新，以实现更精准有效的更新目标供电线路的线路运算影响参数，确保能得到更贴近于实时线路运行情况的线路运算影响参数。
请参阅图3，在一些实施例中，步骤S204可以包括但不限于包括步骤S301至步骤S305：
步骤S301，根据使用时间距离对线路算力能耗进行稀释处理，得到稀释算力能耗；
步骤S302，根据每一电能的总运算能耗和已传输距离进行能耗计算，得到每一电能沿目标供电线路传输产生的更新算力能耗；
步骤S303，根据更新算力能耗和稀释算力能耗进行求和，得到目标算力能耗；
步骤S304，根据目标算力能耗输入至算力量化模型进行反向量化计算，得到更新线路运算影响参数；
步骤S305，将线路运算影响参数更新为更新线路运算影响参数。
在一些实施例的步骤S301中，根据使用时间距离确定稀释系数，使用时间距离越大，稀释系数越大，根据使用时间距离对线路算力能耗进行稀释处理，得到稀释算力能耗的计算公式如下：
其中，稀释系数，/>为线路算力能耗，/>为稀释算力能耗。
需要说明的是，根据使用时间距离和预设的距离阈值范围确定稀释系数，不同预设距离范围对应不同的稀释系数。例如：当使用时间距离大于2小时且小于3小时则稀释系数为0.2，当使用时间距离大于3小时且小于4小时则稀释系数为0.3。除此之外，还可以通过设置映射关系表的方式以确定稀释系数，且映射关系表包含不同使用时间距离和稀释系数之间的映射关系。需要说明的是，关于稀释系数的确定方式可以根据实际需求以及实际效果来设置，在此不做限制。
需要进一步说明的是，可以通过设置最大阈值，当使用时间距离超过预设的最大阈值时，稀释系数为1，即对目标供电线路中时间过于久远的线路算力能耗进行剔除，以保证得到的稀释算力能耗具备较好的时效性。当然也可以通过设置时间排序的方式，取预设时间排名之前的使用时间距离进行能耗计算，在此不作限制。
在一些实施例的步骤S302中，根据每一电能的总运算能耗和已传输距离进行能耗计算，得到每一电能沿目标供电线路传输产生的更新算力能耗，计算公式如下：
其中，为总运算能耗，/>为已传输距离，/>为电能/>，m为电能的总数，/>为电能/>对应的更新算力能耗，/>为所有电能的更新算力能耗求和。
在一些实施例的步骤S303中，根据更新算力能耗和稀释算力能耗进行求和，得到目标算力能耗，计算公式如下：
其中，为当前时间点t下的稀释算力能耗，/>为t时间点的下一时间点对应的目标算力能耗。
在一些实施例的步骤S304中，根据目标算力能耗输入至算力量化模型进行反向量化计算，得到更新线路运算影响参数。其中，算力量化模型表达式如下：
其中，为目标算力能耗/>对应的算力需求。
需要说明的是，通过结合已知的算力量化模型映射参数和目标算力能耗进行反向量化计算得到更新线路运算影响参数。
在一些实施例的步骤S305中，根据反向量化计算得到的更新线路运算影响参数更新对应的逻辑运算参数、并行计算参数、神经网络加速参数。并按照预设时间间隔记录在电网配电中心，以使得电表获取线路运算影响参数时，能获取具有一定时效性的线路运算影响参数。
本申请实施例所示意的步骤S301至步骤S305，通过根据使用时间距离稀释原有的线路算力能耗，得到稀释算力能耗后，再通过利用每一电能的总运算能耗和已传输距离进行能耗计算，得到每一电能沿目标供电线路传输产生的更新算力能耗，然后求和得到目标算力能耗。最后通过量化模型对目标算力能耗进行反向量化计算，得到更新线路运算影响参数，以使得更新后的线路运算影响参数更具有实时性。
请参阅图4，在一些实施例中，步骤S103可以包括但不限于包括步骤S401至步骤S405：
步骤S401，通过无线传输能耗网络对无线传输能耗参数进行传输能耗计算，得到无线传输能耗；
步骤S402，通过广域网传输能耗网络对广域网传输能耗参数进行传输能耗计算，得到广域网传输能耗；
步骤S403，通过边缘节点能耗网络对边缘节点能耗因子进行传输能耗计算，得到边缘计算节点能耗；
步骤S404，通过云数据能耗网络对云数据能耗因子进行传输能耗计算，得到云数据中心能耗；
步骤S405，将无线传输能耗、广域网传输能耗、边缘计算节点能耗、云数据中心能耗进行汇总处理，得到线路传输能耗。
在一些实施例的步骤S401中，通过无线传输能耗网络对无线传输能耗参数进行传输能耗计算，得到无线传输能耗，具体计算公式如下：
=/>
其中，为无线传输能耗，/>为无线传输能耗参数即无线链路传输单位比特数据所消耗的能量，/>为目标供电线路消耗的比特数据总量。
在一些实施例的步骤S402中，通过广域网传输能耗网络对广域网传输能耗参数进行传输能耗计算，得到广域网传输能耗，具体计算公式如下：
=/>
其中，为广域网的传输能耗，/>为广域网传输能耗参数即广域网链路传输单位比特数据所消耗的能量，/>为传输稀释系数。
在一些实施例的步骤S403中，通过边缘节点能耗网络对边缘节点能耗因子进行传输能耗计算，得到边缘计算节点能耗，具体计算公式如下：
=/>
其中，为边缘计算节点能耗，/>为边缘节点能耗因子即边缘节服务器单位CPU转数的能耗因子，/>为服务器芯片的CPU总转数。
在一些实施例的步骤S404中，通过云数据能耗网络对云数据能耗因子进行传输能耗计算，得到云数据中心能耗，具体计算公式如下：
=/>
其中，为云数据中心能耗，/>为云数据能耗因子即云数据中心服务器单位CPU转数的能耗因子。
需要说明的是，、/>、/>、/>、/>、/>、/>这些参数均为常数，仅与用户设备和服务器的硬件设备有关。
在一些实施例的步骤S405中，将无线传输能耗、广域网传输能耗、边缘计算节点能耗、云数据中心能耗进行汇总处理，得到线路传输能耗，具体计算公式如下：
+/>+/>+/>
其中，为线路传输能耗。
本申请实施例所示意的步骤S401至步骤S405，通过根据无线传输能耗参数、广域网传输能耗参数、边缘节点能耗因子、云数据能耗因子；且设置网络模型无线传输能耗网络、广域网传输能耗网络、边缘节点能耗网络、云数据能耗网络。通过网络针对对应的参数/因子进行内途能耗计算，得到无线传输能耗、广域网传输能耗、边缘计算节点能耗、云数据中心能耗，最后汇总得到准确的线路传输能耗。
请参阅图5，在一些实施例中，步骤S104可以包括但不限于包括步骤S501至步骤S503：
步骤S501，通过算力能耗评估子模型对线路算力能耗进行算力评估，得到算力因子；
步骤S502，通过传输能耗评估子模型对线路传输能耗进行传输评估，得到传输因子；
步骤S503，将线路算力能耗、线路传输能耗、算力因子和传输因子输入线路选择预测子模型进行线路选择预测，得到每一候选供电线路的线路选择概率。
在一些实施例的步骤S501中，算力因子为用于表示目标线路中线路算力能耗的重要性。当线路算力能耗输入进算力能耗评估子模型中时，算力能耗评估子模型会根据预设的算力映射关系表对当前线路算力能耗进行重要性评估，并映射得到对应的算力因子，且输出算力因子。
在一些实施例的步骤S502中，传输因子为用于表示目标线路中线路传输能耗的重要性。当线路传输能耗输入进传输能耗评估子模型中时，传输能耗评估子模型会根据预设的传输映射关系表对当前线路传输能耗进行重要性评估，并映射得到对应的传输因子，且输出传输因子。
在一些实施例的步骤S503中，将线路算力能耗、线路传输能耗、算力因子和传输因子输入线路选择预测子模型进行线路选择预测，得到能反应每一候选供电线路配电损耗的线路选择概率，候选线路配电损耗越低，则此候选线路选择概率越高。其中，线路选择预测子模型的具体计算公式如下：
其中，为线路选择概率，/>为线路算力能耗，/>为算力因子，/>为线路传输能耗，/>为传输因子，/>为预设的可选下一电网节点，/>为目标电能/>，/>为当前电网节点，/>为下一电网节点。
需要说明的是，可选下一电网节点需要从电网配电中心获取当前城市的下一电网节点集以及目标电能的传输数据，根据目标电能的传输数据分析得到目标电能已经过的电网节点，若目标电能已经过的电网节点存在于当前城市的下一电网节点集中，则将目标电能已经过的电网节点从当前城市的下一电网节点集中剔除，以防止目标电能经过同一座城市的次数超过一次，从而保证了目标电能的传输方向不会发生逆向传输，因此减少了配电损耗。
本申请实施例所示意的步骤S501至步骤S503，通过算力能耗评估子模型对线路算力能耗进行算力评估，得到算力因子，以反应目标线路中线路算力能耗的重要性。再通过传输能耗评估子模型对线路传输能耗进行传输评估，得到传输因子，以反应目标线路中线路传输能耗的重要性，将算力因子和传输因子输入线路选择预测子模型进行线路选择预测，得到能反应每一候选供电线路配电损耗的线路选择概率，以用于选择配电损耗更低的供电线路，从而减少配电损失。
在一些实施例的步骤S105中，通过计算得到每一候选供电线路的线路选择概率后，对每一候选供电线路的线路选择概率进行排序，取排名第一的候选供电线路作为目标供电线路，以帮助智能电表从候选供电线路中筛选出配电损耗最低的目标供电线路，也可以通过其他方式对候选供电线路进行筛选，在此不做限制。
在一些实施例的步骤S106中，根据筛选出的目标供电线路，得到下一电网节点，并将当前电网节点的目标电能传输至下一电网节点，以实现目标电能沿目标供电线路进行传输。
在一些实施例的步骤S106之后，智能电表的数据处理方法还包括：智能计费步骤。由于智能电表的数据处理功能不仅限于供电线路选择，且需要具备全面的电表功能，如计费、电费显示等功能，以提升用户体验。
请参阅图6，在一些实施例中，智能计费步骤步骤包括但不限于包括步骤S601至步骤S603：
步骤S601，获取当前地区的电价信息和历史用电数据，其中，电价信息包括每一计费时间点的电费单价，历史用电数据为当前月份的用电量变化数据；
步骤S602，根据计费时间点对历史用电数据进行电量划分，得到每一计费时间点的用电量；
步骤S603，根据每一计费时间点的用电量和电费单价进行求和计算，得到总电费，并显示总电费。
在一些实施例的步骤S601中，电价信息包括每一计费时间点的电费单价一般是根据当前地区的分时计量标准进行标定，分时计量标准可以是将24小时划分为不同分段并且每一时间段均对应峰、平、谷三个电价。具体分段时间可以按照当前地区的工业、商业、服务业的生产经营规律进行分段，在此不作限制。
在一些实施例的步骤S602中，根据计费时间点对历史用电数据进行电量划分，得到每一计费时间点的用电量，以使能精确的计算出每一计费时间点的用电费用。
需要说明的是，每一计费时间点均为相同的时间间隔，可以是5分钟的时间间隔，也可以是10分钟。通过设置更大时间间隔以提高计费速率，亦或是设置更小的时间间隔以提高计算的实际费用更加准确，均为可预见的技术效果，在此不对设置时间间隔的大小进行限制。
在一些实施例的步骤S603中，通过每一计费时间点的用电量乘以计费时间点所在时间段的电费单价，得到每一计费时间点的用电费用。对每一用电费用进行求和就得到总电费，并将总费用信息显示于电表的显示屏中，以使用户可以实时查看当前电费的使用情况，提高了用户的使用体验。
本申请实施例所示意的步骤S601至步骤S603，通过获取当前地区的电价政策信息以准确地划分出每一计费时间点的电费单价，再根据计费时间点对历史用电数据进行电量划分，得到每一计费时间点的用电量，最后计算出每一计费时间点的用电费用并进行求和就得到总电费，并将总费用信息显示于电表的显示屏中，以提高用户的使用体验。
在一些实施例的步骤S603之后，智能电表的数据处理方法还包括：智能控费步骤。由于智能电表的数据处理方法应用于一种智能电表，若智能电表具备智能控费功能，可以避免因账户余额不足导致停电，从而间接提高用户体验。
请参阅图7，在一些实施例中，智能控费步骤可以包括但不限于包括步骤S701至步骤S704：
步骤S701，将总电费和当前月天数进行均值计算，得到每一天的日电费，其中，当前月天数为当前月份的天数；
步骤S702，根据预设天数和日电费进行乘积计算，得到电费阈值；
步骤S703，获取历史电费余额，并根据历史电费余额和日电费进行差值计算，得到当前电费余额；
步骤S704，若当前电费余额小于电费阈值，则生成并显示电费提示信息。
在一些实施例的步骤S701中，获取当前月天数为当前月份的天数，将总电费和当前月天数进行均值计算，得到每一天的日电费，以用于衡量当前月份的日均电费。
在一些实施例的步骤S702中，预设天数为5天或10天，具体预设天数可以根据实际情况和用户需求进行设定，根据预设天数和日电费进行乘积计算，得到电费阈值。
需要说明的是，假设用户需求是希望当当前电费余额低于5天的日电费的电费阈值，则需要向用户进行短信提醒或其他提醒方式对用户进行提醒，那么此时需要将预设天数设置为5天。
在一些实施例的步骤S703中，获取历史电费余额，并根据历史电费余额和日电费进行差值计算，得到当前电费余额，即电表每日都会计算用户当前的电费余额，以便于实时记录和提醒用户当前账户余额情况，从而提高用户体验。
在一些实施例的步骤S704中，若当前电费余额小于电费阈值，则生成并显示电费提示信息，例如，按照预设阈值天数为5天，即电费阈值为5天日电费，如果电费余额不足5天日电费时，电表的液晶屏上显示“请购电”的提示，并且订阅了手机短信通知服务的用户会收到余额不足的提醒短信。
需要进一步说明的是，当电费余额为“0”时，用户会收到停电预警短信，并在7天后自动断电，以及时提醒用户进行购电，避免停电影响用电体验。
本申请实施例所示意的步骤S701至步骤S704，通过将总电费和预设月天数进行均值计算，得到每一天的日电费，其中，月天数为当前月份的天数。根据预设天数和日电费进行乘积计算，可以根据实际用户需求设置预设天数，以得到更贴切于用户需求的电费阈值。再通过获取历史电费余额，并根据历史电费余额和日电费进行差值计算，得到当前电费余额，若当前电费余额小于预设电费余额，则生成并显示电费提示信息，以及时提醒用户进行购电，从而避免因账户余额不足导致停电。因此，间接提高了用户的用电体验。
请参阅图8，本申请实施例还提供一种智能电表的数据处理装置，可以实现上述智能电表的数据处理方法，该装置包括：
获取模块801，用于获取候选供电线路的线路选择影响数据，其中，线路选择影响数据包括：线路运算影响参数和传输能耗影响参数，其中，线路运算影响参数是当前电网节点沿着候选供电线路传输目标电能至下一电网节点产生运算的影响参数，目标电能由当前电网节点产生；
算力量化模块802，用于通过预设的算力量化模型对线路运算影响参数进行算力能耗计算，得到每一候选供电线路的线路算力能耗；
内途量化模块803，用于通过预设的自组网内途量化模型对传输能耗影响参数进行内途能耗计算，得到每一候选供电线路的线路传输能耗；
线路预测模块804，用于将线路算力能耗、线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一候选供电线路的线路选择概率；
线路筛选模块805，用于根据线路选择概率对候选供电线路进行筛选处理，得到目标供电线路；
传输模块806，用于通过目标供电线路将当前电网节点的目标电能传输至下一电网节点。
该智能电表的数据处理装置的具体实施方式与上述智能电表的数据处理方法的具体实施例基本相同，在此不再赘述。
本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述智能电表的数据处理方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器902，可以采用只读存储器（ReadOnlyMemory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的智能电表的数据处理方法；
输入/输出接口903，用于实现信息输入及输出；
通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；
总线905，在设备的各个组件（例如处理器901、存储器902、输入/输出接口903和通信接口904）之间传输信息；
其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述智能电表的数据处理方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的智能电表的数据处理方法、智能电表的数据处理装置、设备及存储介质，其通过获取候选供电线路的线路选择影响数据，其中，线路选择影响数据包括：线路运算影响参数和传输能耗影响参数，其中，线路运算影响参数是当前电网节点沿着候选供电线路传输目标电能至下一电网节点产生运算的影响参数，目标电能由当前电网节点产生。通过预设的算力量化模型对线路运算影响参数进行算力能耗计算，得到每一候选供电线路的线路算力能耗，以用于量化每一候选线路的运算配电消耗，再通过预设的自组网内途量化模型对传输能耗影响参数进行内途能耗计算，得到每一候选供电线路的线路传输能耗，以量化每一候选线路的运输配电消耗。然后将线路算力能耗、线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一候选供电线路的线路选择概率，以对每一候选供电线路的配电消耗进行评估。最后根据线路选择概率对候选供电线路进行筛选处理，选择线路概率最高的线路，以得到配电损耗最低的目标供电线路，并通过目标供电线路将当前电网节点的目标电能传输至下一电网节点。因此，使得智能电表能实现更合理的线路选择，从而减少电网中电能传输产生的配电损耗。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中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，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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，上述单元的划分，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。
上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，在本申请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。
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，本申请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，包括多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)执行本申请各个实施例的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(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。
Claims (10)
1.一种智能电表的数据处理方法，其特征在于，应用于智能电表，所述方法包括：
获取候选供电线路的线路选择影响数据；其中，所述线路选择影响数据包括：线路运算影响参数和传输能耗影响参数；其中，所述线路运算影响参数是当前电网节点沿着所述候选供电线路传输目标电能至下一电网节点产生运算的影响参数，所述目标电能由所述当前电网节点产生；
通过预设的算力量化模型对所述线路运算影响参数进行算力能耗计算，得到每一所述候选供电线路的线路算力能耗；
通过预设的自组网内途量化模型对所述传输能耗影响参数进行内途能耗计算，得到每一所述候选供电线路的线路传输能耗；
将所述线路算力能耗、所述线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一所述候选供电线路的线路选择概率；
根据所述线路选择概率对所述候选供电线路进行筛选处理，得到目标供电线路；
通过所述目标供电线路将所述当前电网节点的所述目标电能传输至下一电网节点。
2.根据权利要求1所述的方法，其特征在于，在所述通过所述目标供电线路将所述当前电网节点的目标电能传输至下一电网节点之后，所述方法还包括：
更新所述目标供电线路的所述线路运算影响参数，具体包括：
获取所述每一电能的已传输距离；其中，所述已传输距离为所述每一电能被传输至所述当前电网节点的传输距离；
获取所述每一电能传输的总运算能耗；
获取所述目标供电线路的使用时间距离；其中，所述使用时间距离为所述目标供电线路被使用到当前时间点的时间距离；
根据所述使用时间距离、所述已传输距离和所述总运算能耗更新所述目标供电线路的所述线路运算影响参数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述使用时间距离、所述已传输距离和所述总运算能耗更新所述目标供电线路的所述线路运算影响参数，包括：
根据所述使用时间距离对所述线路算力能耗进行稀释处理，得到稀释算力能耗；
根据所述每一电能的所述总运算能耗和所述已传输距离进行能耗计算，得到所述每一电能沿所述目标供电线路传输产生的更新算力能耗；
根据所述更新算力能耗和所述稀释算力能耗进行求和，得到目标算力能耗；
根据所述目标算力能耗输入至所述算力量化模型进行反向量化计算，得到更新线路运算影响参数；
将所述线路运算影响参数更新为所述更新线路运算影响参数。
4.根据权利要求3所述的方法，其特征在于，所述传输能耗影响参数包括：无线传输能耗参数、广域网传输能耗参数、边缘节点能耗因子、云数据能耗因子，所述自组网内途量化模型包括：无线传输能耗网络、广域网传输能耗网络、边缘节点能耗网络、云数据能耗网络，所述通过预设的自组网内途量化模型对所述传输能耗影响参数进行内途能耗计算，得到每一所述候选供电线路的线路传输能耗，具体包括：
通过所述无线传输能耗网络对所述无线传输能耗参数进行传输能耗计算，得到无线传输能耗；
通过所述广域网传输能耗网络对所述广域网传输能耗参数进行传输能耗计算，得到广域网传输能耗；
通过所述边缘节点能耗网络对所述边缘节点能耗因子进行传输能耗计算，得到边缘计算节点能耗；
通过所述云数据能耗网络对所述云数据能耗因子进行传输能耗计算，得到云数据中心能耗；
将所述无线传输能耗、所述广域网传输能耗、所述边缘计算节点能耗、所述云数据中心能耗进行汇总处理，得到所述线路传输能耗。
5.根据权利要求4所述的方法，其特征在于，所述线路评估模型包括：算力能耗评估子模型、传输能耗评估子模型、线路选择预测子模型，所述将所述线路算力能耗、所述线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一所述候选供电线路的线路选择概率，具体包括：
通过所述算力能耗评估子模型对所述线路算力能耗进行算力评估，得到算力因子；
通过所述传输能耗评估子模型对所述线路传输能耗进行传输评估，得到传输因子；
将所述线路算力能耗、所述线路传输能耗、所述算力因子和所述传输因子输入所述线路选择预测子模型进行线路选择预测，得到每一所述候选供电线路的所述线路选择概率；其中，所述线路选择预测子模型的表达式为：
；
其中，为所述线路选择概率，/>为所述线路算力能耗，/>为所述算力因子，为所述线路传输能耗，/>为所述传输因子，/>为预设的可选下一电网节点，/>为所述目标电能，/>为所述当前电网节点，/>为所述下一电网节点。
6.根据权利要求1所述的方法，其特征在于，在通过所述目标供电线路将所述当前电网节点的目标电能传输至下一电网节点之后，所述方法还包括：
获取当前地区的电价信息和历史用电数据；其中，所述电价信息包括每一计费时间点的电费单价，所述历史用电数据为当前月份的用电量变化数据；
根据所述计费时间点对所述历史用电数据进行电量划分，得到每一所述计费时间点的用电量；
根据每一计费时间点的所述用电量和所述电费单价进行求和计算，得到总电费，并显示所述总电费。
7.根据权利要求6所述的方法，其特征在于，在所述根据每一计费时间点的所述用电量和所述电费单价进行求和计算，得到总电费，并显示所述总电费之后，所述方法还包括：
将所述总电费和当前月天数进行均值计算，得到每一天的日电费；其中，所述当前月天数为当前月份的天数；
根据预设天数和所述日电费进行乘积计算，得到电费阈值；
获取历史电费余额，并根据所述历史电费余额和所述日电费进行差值计算，得到当前电费余额；
若所述当前电费余额小于所述电费阈值，则生成并显示电费提示信息。
8.一种智能电表的数据处理装置，其特征在于，所述装置包括：
获取模块，用于获取候选供电线路的线路选择影响数据；其中，所述线路选择影响数据包括：线路运算影响参数和传输能耗影响参数；其中，所述线路运算影响参数是当前电网节点沿着所述候选供电线路传输目标电能至下一电网节点产生运算的影响参数，所述目标电能由所述当前电网节点产生；
算力量化模块，用于通过预设的算力量化模型对所述线路运算影响参数进行算力能耗计算，得到每一所述候选供电线路的线路算力能耗；
内途量化模块，用于通过预设的自组网内途量化模型对所述传输能耗影响参数进行内途能耗计算，得到每一所述候选供电线路的线路传输能耗；
线路预测模块，用于将所述线路算力能耗、所述线路传输能耗输入至预设的线路评估模型进行线路评估，得到每一所述候选供电线路的线路选择概率；
线路筛选模块，用于根据所述线路选择概率对所述候选供电线路进行筛选处理，得到目标供电线路；
传输模块，用于通过所述目标供电线路将所述当前电网节点的所述目标电能传输至下一电网节点。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的智能电表的数据处理方法。
10.一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权利要求1至7中任一项所述的智能电表的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311197092.2A CN116934530B (zh) | 2023-09-18 | 2023-09-18 | 一种智能电表的数据处理方法和装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311197092.2A CN116934530B (zh) | 2023-09-18 | 2023-09-18 | 一种智能电表的数据处理方法和装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116934530A true CN116934530A (zh) | 2023-10-24 |
| CN116934530B CN116934530B (zh) | 2023-12-29 |
Family
ID=88390001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311197092.2A Active CN116934530B (zh) | 2023-09-18 | 2023-09-18 | 一种智能电表的数据处理方法和装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116934530B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114217609A (zh) * | 2021-11-26 | 2022-03-22 | 贵州电网有限责任公司 | 一种满足多约束条件的电网线路走廊带智能划分方法 |
| CN115759499A (zh) * | 2022-11-21 | 2023-03-07 | 国网电力空间技术有限公司 | 一种基于优化算法的路径规划方法、装置、设备及介质 |
| CN115794407A (zh) * | 2022-12-15 | 2023-03-14 | 中国电信股份有限公司 | 计算资源分配方法、装置、电子设备及非易失性存储介质 |
| CN115827185A (zh) * | 2022-10-31 | 2023-03-21 | 中电信数智科技有限公司 | 6g空中基站结合北斗空中避障的方法、存储介质及设备 |
| CN116225679A (zh) * | 2022-12-05 | 2023-06-06 | 中国联合网络通信集团有限公司 | 算力网络调度方法、装置及存储介质 |
| CN116366576A (zh) * | 2023-02-16 | 2023-06-30 | 浪潮通信信息系统有限公司 | 算力网络资源调度方法、装置、设备及介质 |
| CN116739202A (zh) * | 2023-08-15 | 2023-09-12 | 深圳华越南方电子技术有限公司 | 一种电力选路方法、系统、设备及存储介质 |
-
2023
- 2023-09-18 CN CN202311197092.2A patent/CN116934530B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114217609A (zh) * | 2021-11-26 | 2022-03-22 | 贵州电网有限责任公司 | 一种满足多约束条件的电网线路走廊带智能划分方法 |
| CN115827185A (zh) * | 2022-10-31 | 2023-03-21 | 中电信数智科技有限公司 | 6g空中基站结合北斗空中避障的方法、存储介质及设备 |
| CN115759499A (zh) * | 2022-11-21 | 2023-03-07 | 国网电力空间技术有限公司 | 一种基于优化算法的路径规划方法、装置、设备及介质 |
| CN116225679A (zh) * | 2022-12-05 | 2023-06-06 | 中国联合网络通信集团有限公司 | 算力网络调度方法、装置及存储介质 |
| CN115794407A (zh) * | 2022-12-15 | 2023-03-14 | 中国电信股份有限公司 | 计算资源分配方法、装置、电子设备及非易失性存储介质 |
| CN116366576A (zh) * | 2023-02-16 | 2023-06-30 | 浪潮通信信息系统有限公司 | 算力网络资源调度方法、装置、设备及介质 |
| CN116739202A (zh) * | 2023-08-15 | 2023-09-12 | 深圳华越南方电子技术有限公司 | 一种电力选路方法、系统、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116934530B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10559044B2 (en) | Identification of peak days | |
| KR20190055264A (ko) | 애플리케이션별 자원 사용량 정보의 제공 기법 | |
| CN111047264B (zh) | 一种物流任务分配方法及装置 | |
| CN110210980A (zh) | 一种驾驶行为评估方法、装置和存储介质 | |
| CN112184490A (zh) | 基于物联网的终端数据处理方法及计算机设备 | |
| CN109658165A (zh) | 广告出价方法、装置、电子设备及计算机可读介质 | |
| Panda et al. | Economic risk‐based bidding strategy for profit maximisation of wind‐integrated day‐ahead and real‐time double‐auctioned competitive power markets | |
| CN115081958A (zh) | 用户电力调整方法、装置、电子设备和计算机可读介质 | |
| CN110910159A (zh) | 电力报价方法和终端设备 | |
| Hodge et al. | Examining information entropy approaches as wind power forecasting performance metrics | |
| CN116934530B (zh) | 一种智能电表的数据处理方法和装置、设备及存储介质 | |
| CN112926863A (zh) | 基于六大预警中心的电网灾害综合监测系统 | |
| CN112163154A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN111523083A (zh) | 一种电力负荷申报数据的确定方法以及装置 | |
| Bucksteeg et al. | Impacts of renewables generation and demand patterns on net transfer capacity: implications for effectiveness of market splitting in Germany | |
| Gao et al. | A short-term electricity price forecasting scheme for power market | |
| CN115545588A (zh) | 固定储能系统选址确定方法、装置、电子设备及存储介质 | |
| Jie et al. | Impact of renewable energy balancing power in tertiary balancing market on Japanese power system based on automatic generation control standard model | |
| CN110533485A (zh) | 一种对象选取的方法、装置、存储介质及电子设备 | |
| CN116862134B (zh) | 电动公交车站的充电桩数量确定方法、装置、介质及设备 | |
| CN114069644B (zh) | 一种基于数据匹配算法的电力需求响应方法、系统、介质及设备 | |
| CN117081088B (zh) | 电网负荷调度控制方法、装置、计算机设备及存储介质 | |
| CN116646923A (zh) | 电力负荷中长期预测方法、装置、终端及存储介质 | |
| CN115293266A (zh) | 信用评级方法、装置、电子设备以及计算机可读存储介质 | |
| CN115049460A (zh) | 一种商家店铺信息的处理方法和装置 |
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 |