一种计量资产管理系统的制作方法

本发明涉及电力数据管理技术领域，具体涉及一种计量资产管理系统。

背景技术：

目前，通常采用计量生产调度平台(mds)，完成对电表、检测装置等资产的全寿命周期管理。其中，该平台划分为国网级和省级，对管辖范围内的计量资产进行合理分配式管理。但随着资产运行数据种类越来越多，复杂程度越来越强，导致现有的mds不能满足计量资产管理的需求。例如：第一，现有的mds平台的数据处理能力缺乏全面性，且由于其孤立式数据管理方式会增强数据处理的局限性；第二，该平台的数据处理缺乏动态性，其大部分数据处理基于预先形成的固化理论，而不能针对实时运行的数据进行有效调用和分析，灵活性不强；第三，该平台的数据处理缺乏高效性，在进行数据调用时需要花费大量时间走调用流程，严重影响系统整体的运行效率；第四，该平台的数据处理缺乏准确性，即由于未引进先进的算法会使得数据处理结果准确性无法保障。

技术实现要素：

本发明的目的在于提供一种计量资产管理系统，以解决现有技术中mds平台存在的局线性强、灵活性差、数据处理效率低、实时性差、准确性无法保障的技术问题。

为了克服上述现有技术中的缺陷，本发明提供了一种计量资产管理系统，包括：

计量终端层，用于部署待计量的终端设备；

通信汇聚层，用于将所有计量数据进行格式统一处理；

应用层，用于根据计量资产全寿命运营周期的环节设计对应的应用服务单元；

业务系统层，用于部署与计量资产相关的业务系统；

计量管理层，用于采用知识图谱算法对所述通信汇聚层、所述应用层及所述业务系统层的所有计量数据进行分析、决策和存储。

进一步地，所述计量管理层还用于进行数据源存储、数据预处理、数据处理动静态方法建模及存储、数据缺陷筛选及预警发布操作。

进一步地，所述知识图谱包括静态图谱和动态图谱；其中，

所述静态图谱的数据源调用和需求映射关系均基于本地数据库的计量资产数据；

所述动态图谱的数据源调用和需求映射关系基于本地数据库的计量资产数据以及非本地数据库存储的外部数据。

进一步地，所述知识图谱采用为以神经网络推导算法和循环跳跃网络机制相结合的路径选择方法。

进一步地，所述神经网络推导算法的模型为：

yx＝βtan(wtxt-1+wtxt+b)

式中，wt为推导权重矩阵；b为参考向量；β为超参数；xt、xt-1均为实体关系的嵌入向量；yx为目标实体的关系路径。

进一步地，所述循环跳跃网络机制的模型为：

式中，hn、hn’分别为循环跳跃网络在时刻t的输入、输出隐态；wa、wb均为空间权重矩阵；xn-1为原实体间的关系路径数据。

进一步地，所述与计量资产相关的业务系统，包括：

营销系统，用于进行电表管控、集中器管控及低压线路管控；

配线系统，用于进行线路管控、谐波管控及设备拓扑管控；

储能系统，用于进行电源计量管控及能源质量管控。

进一步地，所述计量资产全寿命运营周期的环节，包括：

采购到货、设备验收、检定检测、存储配送、设备安装、设备运行及设备报废环节。

进一步地，所述通信汇聚层，包括物联汇聚节点及移动汇聚节点；

所述物联汇聚节点用于进行rfid读写、数据编码解析、数据过滤及物联设备管理；所述移动汇聚节点用于汇聚移动端口接入数据。

进一步地，所述终端设备，包括电能表、集中器、采集器、传感器、互感器、边缘物联代理设备、射频门检测设备及校验设备。

相对于现有技术，本发明的有益效果在于：

(1)本发明提供的方法在数据处理全面性上有所提升，基于大融合数据处理模型，满足跨系统业务服务与计量资产相关的数据采集存储和处理，提升了管控平台数据内容覆盖的全面性。

(2)动态性数据处理能力强，通过设计的动态知识图谱方法，可以结合静态图谱经验值信息与循环跳跃神经网络预测算法，满足跨系统非常规业务的实时计算。

(3)数据处理高效，利用知识图谱计算方法相比其他大数据计算方法，在效率和准确性上均有所提升，可视化图形便于用户和机器识别，也能清楚梳理出大数据间的复杂关联性。

(4)计算结果的准确性高，采用嵌入式方式对mds管控系统进行功能补强，面对动态的、跨系统间的数据能准确的发现其关联性，并通过图谱路径的最优选择，对超平面下的不同实体进行属性连接，在算法准确性上有大大的提升。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明某一实施例提供的计量资产管理系统的结构示意图；

图2是本发明又一实施例提供的计量资产管理系统的结构示意图；

图3是本发明某一实施例提供的基于知识图谱的数据处理模型的结构示意图；

图4是本发明某一实施例提供的动态知识图谱路径选择模型的结构示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。

应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，本发明某一实施例提供了一种计量资产管理系统，包括：

计量终端层，用于部署待计量的终端设备；

通信汇聚层，用于将所有计量数据进行格式统一处理；

应用层，用于根据计量资产全寿命运营周期的环节设计对应的应用服务单元；

业务系统层，用于部署与计量资产相关的业务系统；

计量管理层，用于采用知识图谱算法对所述通信汇聚层、所述应用层及所述业务系统层的所有计量数据进行分析、决策和存储。

首先需要说明的是，为了满足未来计量资产管理的需求，计量资产管理系统的设计的目标主要包含以下五点内容：

1)提升计量资产一体化流程管理规范：计量资产要经历从需求调研、设备采购、设备配送到设备报废，要经历基础的8个流程，随着电网系统对计量资产精细化管理要求逐步的提升，流程类型及每个流程中涉及的执行内容也会不断增加且较零散，给系统流程化管理造成压力。因此应在目前管理平台基础上注重流程规范化管理，根据流程内容形成有条理的知识体系，在标准的知识体系框架下，针对流程管理增益部分应可以较容易的集成或融合到原流程体系中，新流程的引入不会对原框架造成颠覆性影响或改变，新型的管理平台应具有较强的流程标准化支撑水平。

2)加强计量资产数字化管理效率：由于缺乏智能化监控设备，目前计量资产管理平台中针对部分现场实操性工作仍然采用人工表单的处理方式，数字化管理功能并未全面实施，尤其在仓储配送、设备运行等方面管理效率仍然低下。面向未来的多业务平台共用资产的模式，人工处理的方式会对整个管控系统的管理效率造成严重的滞后，因此新型管理平台应重点关注数字化解决手段，借助现场智能设备部署的密度能力，将设备资产相关的运行数据采样至后台，由数据处理方式来解决现场运行问题。因此在更庞大的数据量和异构等特征趋势下，新型管理平台应加强数据处理能力，赋予更多高级的数据计算方法，保障计量资产产生的所有业务均可以数据处理形式表达。

3)实现计量资产跨系统间集约化管理功能：在营配检储能源互联网的发展模式下，计量资产使用范围几乎扩大到电力系统的每个子业务系统中，计量资产在不同的业务体系中运行，虽然运行功能保持一致，但是由于不同系统中通信协议、数据格式、安全管控等各方面均会存在差异，因此新管控系统应解决这种跨平台管理的问题。新系统应打破传统孤立式管控模式，将与计量资产系统的流程和数据集成到同一平台上，平台不仅对营销系统保存认知，对其他新增系统的相关业务也应进行学习和认知融合，这样计量资产在不同的空间和时间上产生的数据处理需求，平台均能快速的找到相应的学习基础知识，并依据已有信息对目标数据进行高效、准确的处理。

4)满足计量资产作业动态变化的管控需求：在第1)条中提到，计量资产管控作业流程会随着精细化管理需求不断补充，并且随着作业频次和过程频率的增加，平台应具有较强的动态性抓取和管控能力。目前的管理平台基本以静态的流程数据管理为主，当业务需求提出时，从数据管理库中提取静态的流程业务，人员按照流程数据规范化执行工作。但未来的计量资产作业环境越来越复杂，流程处理应具有较强的灵活性，静态的流程规范仅作为作业的参考，根据实际作业情况实时调整作业方案，从而满足计量资产管控的实际需求。因此新型管理平台应与这种动态的作业需求保持一致，当现场过程变化时，后台可以通过捕捉到现场需求数据，快速形成对应的管控方法，并以数据处理形式指导现场灵活的作业过程。动态数据处理能力提升难度很大，主要依靠动态数据处理方法，因此在新管理平台中应选择面向动态数据变化的计算算法，满足动态作业的处理需求。

5)提升计量资产全寿命周期管理的准确性和经济性：面向未来大融合的管控模式，计量资产管理平台应充分考虑部署的经济性问题，但鉴于管控的准确性，计量资产管控平台除了营销系统数据理解能力外，必须主动接纳其他系统的相关数据的影响程度，假如为了保证异构数据计算的准确性为每套业务系统单独配备一套计量资产数据的管理平台，通过从原计量管控系统中频繁调取数据作为本系统计算支撑，但这种方式对管控平台部署造成了很大的经济性浪费，因此新管理平台应引用共享共用的数据模式，在同一计量管控平台下即保存了各系统的数据来源，并可以随时实现异构系统间数据的交互，以一套系统代替多套系统大大降低了部署的难度和成本。

因此在本实施中，首先基于这些目标提出了一种计量资产管理系统，不仅基于知识图谱算法进行数据处理，对于计量资产实现动静态结合化管理，具体地：

计量终端层，用于部署待计量的终端设备，其为整个系统管控的主要对象，也是计量数据的直接来源。

在某一具体地实时方式中，所述终端设备包括电能表、集中器、采集器、传感器、互感器、边缘物联代理设备、射频门检测设备及校验设备，如图2所示。通过对这些设备设置不同的采样周期，实现将运行及流转数据最终上传到计量管理层进行统筹分析和数据处理。

通信汇聚层，用于将所有计量数据进行格式统一处理；可以理解的是，该层主要将多系统内的所有数据按照终端类型保持一致性的上传到平台上。

在某一具体地实时方式中，所述通信汇聚层包括物联汇聚节点及移动汇聚节点，如图2所示。所述物联汇聚节点用于进行rfid读写、数据编码解析、数据过滤及物联设备管理；所述移动汇聚节点用于汇聚移动端口接入数据。本实施例通过固定通信和移动通信方式，针对不同的网络类型，根据实际部署情况，最终能够以最近最优的方式传输数据，大大提升数据传输效率。

业务系统层，用于部署与计量资产相关的业务系统；随着大电网的进一步深化融合，对变电站、高压输电线路等系统均纳入到平台上，因此平台对数据容量和业务体系的扩容应具备较强的容纳能力；

在某一具体地实时方式中，所述与计量资产相关的业务系统包括：营销系统、配线系统及储能系统，如图2所示。其中，营销系统用于进行电表管控、集中器管控及低压线路管控；配线系统用于进行线路管控、谐波管控及设备拓扑管控；储能系统用于进行电源计量管控及能源质量管控。

应用层，用于根据计量资产全寿命运营周期的环节设计对应的应用服务单元；

在某一具体地实时方式中，所述计量资产全寿命运营周期的环节，包括采购到货、设备验收、检定检测、存储配送、设备安装、设备运行及设备报废环节，如图2所示。针对不同的业务系统均会产生这8个环节中的业务流程，因此应用app服务与业务体系，两者间是相融合的。

计量管理层，用于采用知识图谱算法对所述通信汇聚层、所述应用层及所述业务系统层的所有计量数据进行分析、决策和存储。

在某一具体地实时方式中，计量管理层主要实现终端数据的处理与分析决策，主要功能划分为数据源存储、数据预处理、数据处理静动态方法建模和存储、数据缺陷发现及预警发布等，如图2所示。通过围绕数据处理全寿命周期处理方法为核心，以全数字化方式覆盖所有经历的业务并完全代替人工处理模式，因此对数据存储及数据建模的性能要求很高。在此，通过采用知识图谱方式提升大数据在线处理的能力。

在某一具体地实时方式中，在计量管理层中，针对数据存储和建模，本发明实施例设计了一种基于知识图谱的解决方案，包括静态图谱和动态图谱；其中，静态图谱的数据源调用和需求映射关系均基于本地数据库的计量资产数据；动态图谱的数据源调用和需求映射关系基于本地数据库的计量资产数据以及非本地数据库存储的外部数据。该方式可以面向大规模的数据源有条例的形成与应用服务相关联的需求数据处理模型，需求模型部分可直接在经验数据库中调取，有的需要经过属性矫正，重新构建数据实体及服务属性建得关联模型，共同指导应用服务的功能实现。具体模型如图3所示：

具体地，计量资产管理的数据处理功能主要依靠知识图谱技术的实现过程，知识图谱处理流程主要分为三个部分组成，数据源调取、知识图谱建模及应用服务需求映射。知识图谱建模是核心流程，有静态图谱建模和动态图谱建模两种方式，两种方式的实现流程是完全不同的。数据库集群中保存有较多经验值原型数据，静态图谱建模过程中所需要的映射关系以提前存储在了数据库中，知识图谱的表示方式是采用三元组形式描述事件真实状态，所谓三元组是指实体、关系、属性，三者间可以形成不同形式的组合，例如(实体1-关系-实体2)和(实体-属性-属性值)等，实体用点表示，数值关系和属性关系可以用图形边表示，那么数据库中即保存了几乎所有的计量资产相关的三元组数据及对应关系值，提取应用服务需求内容，确定需求实体和内容属性，在数据库中定位对应的数据源完成知识抽取，并通过数据引接-知识建模-图谱建设-图谱计算-多形式展示等开环流程完成静态知识图谱数据处理工作。

进一步地，动态图谱执行过程要依托于静态图谱的数据和结论，共同推演动态数据隐含的知识属性，并辅助重构图谱模型。动态图谱建模需求一般是采集到计量资产相关的外部数据，这部分数据源在数据库中无法找到，但一般可以找到相关性数据。因此将外部采样数据进行临时性的三元组数据特性划分，并根据目标实体确定相关性静态图谱数据资源，将静态知识图谱中的时间和空间表示属性和动态数据属性进行整合，在静态图谱属性基础上进行关系修正，并把属性对应的实体关联性重对对齐，完成数据本体知识模型重构，这时动态图谱建模过程基本成型，接下来经历与静态图谱同样的过程(知识推理与评估)，最终完成与动态应用服务的需求匹配。通过以上动态和静态相结合的知识图谱建模与处理方法，增强了数据推理及演变过程的处理能力，并能根据实际应用的需求灵活的应用和重建数据模型，满足用户数据搜索、识别与评估准确度的综合需求。

在某一具体地实时方式中，所述知识图谱采用为以神经网络推导算法和循环跳跃网络机制相结合的路径选择方法。需要说明的是，知识图谱准确的形成难点在于实体间属性关系的形成，也就是图谱边的路径选择。实体间错综复杂的关系很难选择合适的路径确定彼此的关系，尤其面对动态图谱成型需求的情况下，因此本实施例针对此问题提出了一种以神经网络推导算法和循环跳跃网络机制相结合的路径选择方法，充分利用了神经网络算法的预测能力，又借鉴了网络跳跃机制的动态趋向特征，符合动态图谱建模需求。

具体地，设计模型如图4所示。图4中反映的是一个简单的3层神经网络，方块表示输入和输出实体节点，圆形为中间可跳转的实体节点，直线箭头表示图谱关系路径。动态图谱的动态性主要体现在时间间隔和空间异构的差异性上面，每个间隔时间内会出现多个不同状态的实体，实体间形成的连接形式也会在不同时间节点下形状各异；此外，针对计量资产管理的范围，同一实体在不同业务系统中相似业务也会反映出不同的关系特征，空间环境会影响数据的变化。因此动态图谱可以理解为一个超平面空间的转换过程，从一个三元组关系映射到另一个超平面上的特征关系。在路径计算过程中引入神经网络算法，即将原实体间的关系路径数据集合通过预测推导函数转变为目标实体的关系路径集合，假设原实体距离集合表示为(x1,x2,x3,...xn)，即图中的方块，选择tan(x)函数作为循环网络推算函数，则输出y与x间的递推表达式如下：

yx＝βtan(wtxt-1+wtxt+b)(1)

式中，wt为推导权重矩阵；b为参考向量；β为超参数；xt、xt-1均为实体关系的嵌入向量；yx为目标实体的关系路径。

因此，神经网络每次层输出均依靠公式(1)进行不同实体间的距离计算，w权值参数通过实体属性为基础进行设置，此值与同样实体的静态知识图谱关联性较大，有部分专家理解动态图谱其实是时间间隔内多个静态知识图谱的特征集合，因此本发明选择以静态图谱作为参考，从图3中可看出，动态图谱在属性特征重构时会调取静态图谱的三元组数据；b向量可以调整神经网络迭代算法过程中方向偏移的问题；β是空间超平面限制参数；xt为一个实体关系的嵌入向量，(xt,xt-1,yx)构成一个三元组子串，结合前一时刻的隐态wt与当前输入嵌入向量xt中的信息，但xt中之前相关路径上所有嵌入式向量信息，可见w具有很强的自学习能力。从图4中看出，本发明采用的是循环神经网络架构，按照实体排列顺序依次对实体间的距离进行重新测量与评估，按照公式(1)完成原值输入、权值训练及输出的处理过程，并根据2层y值的计算，最终形成输出y的图谱路径集合。

在某一具体地实时方式中，鉴于存在跨业务系统的情况，实体间的选择关系更加复杂，除了本平面实体外，还有超平面实体连接，本发明引入跳跃机制解决实际问题，前面设置了β是空间超平面限制参数仅仅是一种方向性约束条件，具体连接还得依靠跳跃机制，最终形成循环跳跃神经网络模式。跳跃机制可以用下式表示：

式中，hn、hn’分别为循环跳跃网络在时刻t的输入、输出隐态；wa、wb均为空间权重矩阵；xn-1为原实体间的关系路径数据。其中，该模型同样聚集了静态知识图谱中空间关系转移特征的信息，它们的参数在不同时刻时是共享的。本实施例采用有权相加的方式进行跳跃操作，可以继承相关空间中的权值特征，可以看出，该跳跃机制仅在原有循环神经网络上添加w的方形矩阵作为额外参数。循环跳跃神经网络在有效提升的空间数据处理性能和训练效率，能够避免在空间内不断循环计算的过程，显著降低了模型计算的复杂度。当实体数量越多的情况下，这种循环跳跃处理的优势越能凸显，与计量资产管理跨业务系统的数据计算需求时完全匹配的。因此，本发明提供的静动态知识图谱算法可以灵活的嵌入到原mds管理平台软件系统中，不必对原系统进行大型改造，可以采用先小规模试点应用检验效果后，再考虑与原平台更好的融合过度方案。本发明设计方法通过收集与整理测试资产对象的数据鉴别过程，以时间为轴分析样本的发展过程和规律性，可大致预测资产运营状态发展趋势。在mds系统中，对于计量检定装置的测量误差评价、标准性分析、仓储化资产调配管理中均会出现因资产应用环境不同而出现决策误差，因此动态的数据在线处理方式，第一解决了实时性问题，可以当发现误差的同时及时将纠正信息告知现场，避免计量资产在线运行导致的进一步损失；第二解决了动态性处理问题，能够高效的、准确的发现误差变化的趋势，自学习式调整数据的变化方向，使得跟踪数据始终保持与实际运行情况相一致的动作方向，具备应对动态变化的能力。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。