本申请涉及电力资源管理技术领域，特别是涉及一种智能费控管理方法、装置、计算机设备和存储介质。
背景技术：
随着电力生产的稳步发展，电力运营的行业要求也在不断进行转型，从传统的电力业务运营，逐渐面向客户，以客户服务为驱动，发展管制性和竞争性业务，为电力行业注入新动力。在电力市场改革的背景下，云计算、大数据、人工智能、物联网等新兴技术已经引入了电力行业，促进电力行业转型，提升客户办理业务的效率。
目前，随着电力市场营销系的建设采用了规范的软件过程管理，按照电网的业务需求并适度超前的原则，根据电网的电力用户规模与量费计算规则，对系统的计算能力和存储能力进行了规划，同时远程费控的业务建设需求越来越受到人们的关注，人们可以通过远程费控智能电表，实现远程电费管理功能，然而，目前的营销系统无法支持远程费控业务的顺利开展，对费控业务相关数据的处理效率过低。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种智能费控管理方法、装置、计算机设备和存储介质。
一种智能费控管理方法，所述方法包括：
从电力营销系统中获取集成档案数据；
从计量自动化系统中获取集成表码数据；
基于预设的关联表信息，建立所述集成档案数据与所述集成表码数据之间的关联关系；其中，所述关联关系表中存储有不同的集成档案数据与不同的集成表码数据之间的对应关系；
利用所述关联关系，通过分布式计算系统获取电力资源数据。
在其中一个实施例中，所述通过数据提取工具从电力营销系统中获取集成档案数据，包括：通过数据提取工具采用并行方式从所述电力营销系统中的电力数据库表中获取初始档案数据；对所述初始档案数据进行范式转换处理，将所述初始档案数据的数据格式转换为预设的分布式数据存储格式；对数据格式转换后的初始档案数据进行数据标准化处理并以第一存储格式进行存储，得到所述集成档案数据。
在其中一个实施例中，所述电力数据库表包括档案变更中间表；所述方法还包括：通过所述数据提取工具采用并行方式从所述档案变更中间表中获取更新档案数据；其中，所述更新档案数据为所述电力营销系统中存储的更新后的初始档案数据；对所述更新档案数据进行所述范式转换处理以及所述数据标准化处理，得到所述集成档案数据。
在其中一个实施例中，所述从计量自动化系统中获取集成表码数据，包括：通过多线程方式按照预设的时间间隔从所述计量自动化系统中获取初始表码数据；利用分布式处理方法将所述初始表码数据按照预设的表码数据结构进行转换，并将数据结构转换后的初始表码数据以第二存储格式进行存储，作为所述集成表码数据。
在其中一个实施例中，所述集成表码数据包括第一集成表码数据以及第二集成表码数据；所述基于预设的关联表信息，建立所述集成档案数据与所述集成表码数据之间的关联关系之前，还包括：基于预设的数据校验规则对所述集成表码数据进行数据校验，得到所述集成表码数据的数据校验结果标识；若所述数据校验结果标识为校验通过，则确定所述集成表码数据为所述第一集成表码数据，并建立所述集成档案数据与所述第一集成表码数据之间的关联关系；若所述数据校验结果标识为校验不通过，则确定所述集成表码数据为所述第二集成表码数据，并将所述第二集成表码数据写入所述电力营销系统的异常数据表中。
在其中一个实施例中，所述利用所述关联关系，通过分布式计算系统获取电力资源数据，包括：从所述集成表码数据中提取出目标用户对应的用户编号数据；利用所述关联关系，从所述集成档案数据中获取与所述用户编号数据相对应的用户抄表数据；基于预设的电力资源数据获取模型，利用所述用户抄表数据，通过分布式计算系统获取所述电力资源数据。
在其中一个实施例中，所述电力资源数据包括：电量数据或电费数据；其中，所述电量数据包括：抄见电量、换表电量、免费电量、退补电量、总分电量、变损电量、线损电量、定比电量、定量电量、公用表公摊电量以及合计电量的至少一种；所述电费数据包括：阶梯阀值电费、电度电费、基金电费、附加电费、基本电费、功率因数调整电费以及合计电费的至少一种。
一种智能费控管理装置，所述装置包括：
集成档案获取模块，用于从电力营销系统中获取集成档案数据；
集成表码获取模块，用于从计量自动化系统中获取集成表码数据；
关联关系建立模块，用于基于预设的关联表信息，建立所述集成档案数据与所述集成表码数据之间的关联关系；其中，所述关联关系表中存储有不同的集成档案数据与不同的集成表码数据之间的对应关系；
资源数据获取模块，用于利用所述关联关系，通过分布式计算系统获取电力资源数据。
一种计算机设备，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方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述智能费控管理方法、装置、计算机设备和存储介质，从电力营销系统中获取集成档案数据；从计量自动化系统中获取集成表码数据；基于预设的关联表信息，建立集成档案数据与集成表码数据之间的关联关系；其中，关联关系表中存储有不同的集成档案数据与不同的集成表码数据之间的对应关系；利用关联关系，通过分布式计算系统获取电力资源数据。本申请通过建立电力营销系统中存储的档案数据与计量自动化系统的表码数据的关联关系，实现了利用分布式计算系统获取电力资源数据，从而提高了费控业务的数据处理效率。
附图说明
图1为一个实施例中智能费控管理方法的应用环境图；
图2为一个实施例中智能费控管理方法的流程示意图；
图3为一个实施例中从电力营销系统中获取集成档案数据的流程示意图；
图4为一个实施例中利用关联关系，通过分布式计算系统获取电力资源数据的流程示意图；
图5为一个应用实例中智能费控管理方法的硬件架构示意图；
图6为一个实施例中智能费控管理装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
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，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的智能费控管理方法，可以应用于如图1所示的应用环境中。其中，大数据计算服务器101通过网络与电力营销系统102以及计量自动化系统103进行通信。具体来说，大数据计算服务器101可以从电力营销系统102中读取档案数据，并集成存储形成集成档案数据，同时，还可以从计量自动化系统103中读取表码数据，并集成存储为集成表码数据。大数据计算服务器101还可以根据得到的集成档案数据以及集成表码数据，利用分布式计算功能，得到电力资源数据。其中，大数据计算服务器101、与电力营销系统102以及计量自动化系统103都可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种智能费控管理方法，以该方法应用于图1中的大数据计算服务器101为例进行说明，包括以下步骤：
步骤s201，大数据计算服务器101从电力营销系统102中获取集成档案数据。
其中，集成档案数据指的是大数据计算服务器101将电力营销系统102中存储的营销档案数据进行数据集成操作，并存储至大数据计算服务器101中的分布式存储中，集成档案数据可以包括从电力营销系统102中得到的电费算法参数表、计量点变压器关系表、公摊电量电价关系表相关数据。具体地，大数据计算服务器101可以通过数据提取工具，例如spark，实现从电力营销系统获取营销档案数据毕竟集成存储，形成集成档案数据。
步骤s202，大数据计算服务器101从计量自动化系统103中获取集成表码数据。
集成表码数据则指的是大数据计算服务器101将从计量自动化系统103中得到的表码数据进行数据集成操作，并分布式存储至大数据计算服务器101得到的数据，例如可以包括供电单位编码、计量点编号、资产编号、用户编号、抄表日期、正反向有功电量和正反向无功电量等数据。和获取集成档案数据，对于集成表码数据，大数据计算服务器101是通过linux定时任务的方式调用下载功能，在特定的时间点自动从计量自动化系统103中得到多个表码数据，并进行集成存储。
步骤s203，基于预设的关联表信息，大数据计算服务器101建立集成档案数据与集成表码数据之间的关联关系；其中，关联关系表中存储有不同的集成档案数据与不同的集成表码数据之间的对应关系。
其中，关联表信息是用于存储不同的集成档案数据与不同的集成表码数据之间的对应关系的数据表信息，用于建立集成档案数据与集成表码数据之间的关联关系。例如：集成表码数据中存储有用户编号数据，而集成档案数据则可以存储有账户余额，大数据计算服务器101则可以通过关联数据表建立的用户编号数据与账户余额之间的对应关系，进而实现用户编号数据与账户余额的关联。
步骤s204，大数据计算服务器101利用关联关系，通过分布式计算系统获取电力资源数据。
步骤s203中大数据计算服务器101完成集成档案数据与集成表码数据的关联关系后，可以通过上述关联关系，利用大数据计算服务器101的分布式计算系统对集成档案数据以及集成表码数据进行分布式计算，得到例如用户可用电量以及用户电费余额等电力资源数据。
上述智能费控管理方法中，大数据计算服务器101从电力营销系统102中获取集成档案数据；从计量自动化系统103中获取集成表码数据；基于预设的关联表信息，建立集成档案数据与集成表码数据之间的关联关系；其中，关联关系表中存储有不同的集成档案数据与不同的集成表码数据之间的对应关系；利用关联关系，通过分布式计算系统获取电力资源数据。本申请通过大数据计算服务器101建立电力营销系统102中存储的档案数据与计量自动化系统103的表码数据的关联关系，实现了利用分布式计算系统获取电力资源数据，从而提高了费控业务的数据处理效率。
在一个实施例中，如图3所示，步骤s201可以包括：
步骤s301，大数据计算服务器101通过数据提取工具采用并行方式从电力营销系统102中的电力数据库表中获取初始档案数据。
其中，初始档案数据指的是大数据计算服务器101中得到的未经过数据处理的原始数据，该数据可以包括：用户档案、计量点信息、变压器信息、计量点变压器关系、账户余额、电价信息等数据。具体来说，大数据计算服务器101可以通过spark作为数据提取工具，并通过并行的方式同时对电力营销系统102中的多个数据库表的数据进行提取，作为初始档案数据。
步骤s302，大数据计算服务器101对初始档案数据进行范式转换处理，将初始档案数据的数据格式转换为预设的分布式数据存储格式。
为了方便业务的进一步处理，大数据计算服务器101完成初始档案数据的提取后，将得到的初始档案数据转换为便于分布式计算的数据格式，例如可以将其转换为分布式弹性数据集的形式。
步骤s303，大数据计算服务器101对数据格式转换后的初始档案数据进行数据标准化处理并以第一存储格式进行存储，得到集成档案数据。
第一存储格式指的是对初始档案数据进行数据存储的存储格式，例如可以是便于分布式存储的列式存储格式。具体地，数据标准化处理的过程可以是大数据计算服务器101通过加载规范化规则，对规则进行解析，并根据相应的规则条件对档案数据进行规范化操作，对不符合计算要求的数据进行转换或是过滤等操作完成数据规范化处理。之后，对用户档案数据进行分区操作，根据配置文件生成每个营销档案表对应的partition规则，根据partition规则对提取出的营销档案表数据进行重新分片处理，处理时根据所给规则拆分使得每个partition的数据能够尽可能分散到不同的路径保存，能够显著提升计算性能与增量修改的效率，最后再将完成数据标准化处理过程后的档案数据以第一存储格式存储于大数据计算服务器101的分布式存储系统，作为集成档案数据。
进一步地，电力营销系统102中的电力数据库表可以包括档案变更中间表；上述智能费控管理方法，还可以包括：大数据计算服务器101通过数据提取工具采用并行方式从档案变更中间表中获取更新档案数据；其中，更新档案数据为电力营销系统102中存储的更新后的初始档案数据；对更新档案数据进行范式转换处理以及数据标准化处理，得到集成档案数据。
而如果电力营销系统102中存储的初始档案数据发生了变化，则需要对大数据计算服务器101得到的集成档案数据进行同步更新。其中，档案变更中间表是用于存储电力营销系统102更新后的初始档案数据，即更新档案数据。具体来说，大数据计算服务器101可以通过使用spark等数据提取工具从电力营销系统102中的档案变更中间表中提取出更新档案数据，并对更新档案数据进行范式转换处理以及数据标准化处理，得到集成档案数据以替换原先存储的集成档案数据。
本实施例中，大数据计算服务器101通过数据提取工具并行从电力营销系统102中提取初始档案数据，可以提高数据提取的效率，同时对得到的初始档案数据进行范式转换以及数据标准化处理，能够减少数据占用分布式存储系统的存储空间以及提高数据存储的准确性，进一步提高运算效率。另外，还通过从档案变更中间表中提取出更新档案数据，实现集成档案数据的相应更新，进一步保证了大数据计算服务器101存储的集成档案数据的准确性。
在一个实施例中，步骤s202可以包括：大数据计算服务器101通过多线程方式按照预设的时间间隔从计量自动化系统103中获取初始表码数据；利用分布式处理方法将初始表码数据按照预设的表码数据结构进行转换，并将数据结构转换后的初始表码数据以第二存储格式进行存储，作为集成表码数据。
其中，预设的时间间隔可以是用户根据需要进行选取，例如可以是24小时，可以通过设置定时任务的方式实现。具体来说，用户可以对大数据计算服务器101设置定时任务的方式，使得大数据计算服务器101可以在设定的时间点从计量自动化系统103中自动获取初始表码数据，而由于表码数据的数据规模过大，为了提高初始表码数据的获取速度，在本实施例中，大数据计算服务器101可以通过多线程的方式从计量自动化系统103中读取初始表码数据，利用大数据计算服务器101的分布式存储系统的多个存储节点，同时读取初始表码数据，并将得到的初始表码数据按照预设的表码数据结构进行转换，形成分布式数据集的结构，再将其以第二存储格式进行存储，第二存储格式可以是列式存储格式，形成集成表码数据。
本实施例中，大数据计算服务器101可以通过多线程方式按照预设的时间间隔从计量自动化系统103中获取初始表码数据，有利于提高表码数据获取效率，另外还可对得到的初始表码数据进行数据结构转换以及按照特定存储格式存储，能够减少数据占用分布式存储系统的存储空间以及提高数据存储的准确性，进一步提高运算效率。
在一个实施例中，集成表码数据可以包括第一集成表码数据以及第二集成表码数据；步骤s203之前，智能费控管理方法还可以包括：大数据计算服务器101基于预设的数据校验规则对集成表码数据进行数据校验，得到集成表码数据的数据校验结果标识；若数据校验结果标识为校验通过，则确定集成表码数据为第一集成表码数据，并建立集成档案数据与第一集成表码数据之间的关联关系；若数据校验结果标识为校验不通过，则确定集成表码数据为第二集成表码数据，并将第二集成表码数据写入电力营销系统的异常数据表中。
其中，第一集成表码数据以及第二集成表码数据分别代表通过数据校验的集成表码数据以及没通过数据校验的集成表码数据，由于表码数据的数据量大，得到的集成表码数据容易存在数据异常问题，因此大数据计算服务器101在建立集成表码数据和集成档案数据的关联关系之前，需要对集成表码数据进行校验，校验通过后才建立集成表码数据和集成档案数据的关联。
具体来说，大数据计算服务器101可基于预设的数据校验规则完成对集成表码数据的数据校验过程，该校验规则可以是用户设定并存储于大数据计算服务器101中。大数据计算服务器101可以通过调用该校验规则，得到各集成表码数据的数据校验结果，若校验通过，大数据计算服务器101可以将其设定为第一集成表码数据并同时建立起集成档案数据与第一集成表码数据之间的关联关系，而如果校验不通过，大数据计算服务器101可以将其设定为第二集成表码数据，即异常表码数据，并将其写入电力营销系统102的异常数据表中。
本实施例中，大数据计算服务器101通过对集成表码数据进行数据校验，只对通过数据校验的集成表码数据建立与集成档案数据的关联关系，可以进一步提高通过分布式计算系统得到的电力资源数据的准确性。
在一个实施例中，如图4所示，步骤s204可以进一步包括：
步骤s401，大数据计算服务器101从集成表码数据中提取出目标用户对应的用户编号数据。
其中，用户编号数据存储于集成表码数据中，用于标识不同的电力用户。在需要获取特定电力用户的电力资源数据，例如某家庭的用电量的时候，首先大数据计算服务器101需要从集成表码数据中找出与该电力用户对应的用户编号数据。
步骤s402，大数据计算服务器101利用关联关系，从集成档案数据中获取与用户编号数据相对应的用户抄表数据。
其中，用户抄表数据指的是该目标用户电能表的抄表数据，由于需要计算该电力用户的用电量，可以首先得到该用户的用户抄表数据，并进而计算用电量，用户抄表数据存储于集成档案数据中。由于步骤s203已经建立起了集成档案数据与集成表码数据之间的关联关系，因此可以通过该电力用户的用户编号数据查询建立的关联关系，从而从集成档案数据中得到与电力用户的用户编号数据关联的用户抄表数据。
步骤s403，基于预设的电力资源数据获取模型，大数据计算服务器101利用用户抄表数据，通过分布式计算系统获取电力资源数据。
电力资源数据获取模型可以是以算法的形式预先设置于大数据计算服务器101，可以包括电量计算算法以及电费计算算法，在大数据计算服务器101得到用户抄表数据后，可以通过大数据计算服务器101的分布式计算系统对电量或者电费等电力资源数据进行相应的计算。
而其中，电量数据可以进一步包括：抄见电量、换表电量、免费电量、退补电量、总分电量、变损电量、线损电量、定比电量、定量电量、公用表公摊电量以及基于上述电量计算得到的合计电量的至少一种。电费数据则可以包括阶梯阀值电费、电度电费、基金电费、附加电费、基本电费、功率因数调整电费以及基于上述电费计算得到的合计电费的至少一种。
在一个应用实例中，提供了一种智能费控管理方法，该方法可以应用于如图5所示的电力系统的硬件架构中，通过数据提取工具将营销系统的档案数据从营销系统的生产库中提取出来放到费控计算系统中，进行对计量数据的一系列后续操作，包括：数据初始化、数据同步、表码数据集成分发，数据核查，费控计算比对等实现费控的智能管理。具体可以包括如下步骤：
(1)首先需要进行档案初始化。在第一次执行费控计算之前，或者系统需要重新全量更新营销档案基础数据的情况下，通过批量数据集成操作，将电费算法参数表、计量点变压器关系表、公摊电量电价关系表相关数据从营销生产库中同步到费控计算的分布式存储中。
档案初始化包括原始数据初始化、范式转换和初始档案规范化三部分功能,通过大数据技术实现分布式并行的对档案基础数据提取、范式转换以及规范化。
对于原始数据初始化，本方法利用sparkjdbc接口，从oracle中获取档案数据。由于档案数据量过大，对于相关库表，需要进行分布式处理以提高效率。由于需要初始化的档案表较多，采用并行的方式对多个库表进行抽取以提高效率。其中进行初始化的表以及一些运行参数需要根据库表字段以及数据量的情况和集群资源进行适当的配置，以便程序依据配置信息能够高效的开展工作。数据抽取完毕后将数据分别保存到计算路径下和更新路径下各一份,其中计算路径和更新路径同样需要在配置信息中配置。
对于范式转换，本方法使用sparkjdbc接口将营销原始数据转换为分布式弹性数据集,转换完成后调用spark接口将数据进行压缩以列式存储的格式以实现性能和存储收益。分布式列式存储文件可以加速查询，显著减少磁盘上的存储。
对于档案规范化，本方法通过加载规范化规则，对规则进行解析，并根据相应的规则条件对档案数据进行规范化操作，对不符合计算要求的数据进行转换或是过滤等操作完成数据规范化处理。之后，对用户档案数据进行分区操作，根据配置文件生成每个营销档案表对应的partition规则，根据partition规则对提取出的营销档案表数据进行重新分片处理，处理时根据所给规则拆分使得每个partition的数据能够尽可能分散到不同的路径保存，能够显著提升计算性能与增量修改的效率。
(2)营销档案同步
如果营销档案数据发生改变，则需要对原始数据进行增量更新。
具体地，本申请通过使用spark实现了分布式的从营销系统增量中间表中提取数据,并且对需要进行档案变更的表并行提取,极大的缩短了营销系统档案变更数据提取的持续时间,提高了性能。之后，根据需要变更的营销档案表以及配置文件中的partition信息获取对应的partition规则以及路径，然后根据相应的规则与路径从分布式文件并行抽取原始的营销档案数据，抽取成功后将根据营销档案变更数据提取的结果对原始数据进行变更。营销档案数据全部变更成功后将变更后的营销档案数据写回到分布式文件系统中，并对删除变更了的原始营销档案的路径进行修改，以使最新的档案数据生效。
(3)表码数据集成
费控系统在进行量费计算之前，首先要完成档案数据和表码数据集成。其中档案数据集成已通过(1)和(2)完成，因此还需进行表码数据集成。
具体地，使用linux定时任务完成jar包中对应功能的调用，通过定时任务调用数据下载方法，数据下载通过多线程方式在集群每台机器上运行，便于充分利用集群中的硬件资源，各节点完成数据下载后立即调用上传程序进行表码文件上传到分布式文件系统中，所有节点均完成上传后，费控系统调用表码处理功能，加载分布式文件中对应的表码文件，将表码文件转换成对应的数据结构，再分布式对每一条表码进行处理，转换成dataframe并根据表码描述文档添加schema信息，最后将处理完的数据以分布式列式存储格式存放到分布式文件系统中，以供计算服务计算电量数据时使用。
而如果存在问题的表码数据，则需要先对表码进行表码增量数据集成，调用数据获取数据功能，将表码数据转换成dataframe，然后通过dataframe的transform实现增量表码数据的增加和修改，然后将处理好的dataframe以parquet格式保存至分布式文件系统中。
(4)表码数据分发
为提高计量表码数据的处理速度，从而大大缩短费控计算的整体过程时间。在表码数据集成到各个节点之后，费控系统利用分布式消息系统实现表码的在线实时处理。表码数据获得之后再进行表码的持久化存储以及各项电量的计算。
具体地，通过分布式技术在各个节点触发表码数据同步动作，通过发送分布式消息到费控系统计算集群的各个节点，各节点接收到指令后，通过多线程方式进行数据下载和处理，这样将充分利用各个节点的硬件资源，大大提升各个节点的处理能力，减少处理时间，提升处理性能。
(5)数据质量校验
在进行费控计算时，有可能存在部分工单还在流程中传递，业务数据尚未归档，此时计算量费必然会因为业务数据问题导致出现错误结果。表码数据是从计量自动化系统中通过表码文件的方式同步到费控系统中，抄取表码与档案数据之间的关系并未进行关联和验证，数据存在问题的可能性极大，而且表码数据存在问题的可能性本来就很大。因此，在费控系统中非常有必要根据电力系统表码文件的特征开发专门的工具用于表码数据的校验。
具体地，在整体全量费控用户表码集成进行表码验证时调用批处理任务使用jdbc接口加载校验规则和数据，对数据进行处理组装成数据缓存需要的数据结构，然后将规则和数据传递到校验规则对应的功能模块进行数据校验。在非全量费控用户表码集成时将采用流计算的方式进行处理，在流计算启动时通过jdbc接口加载规则和业务数据，加载完规则和业务数据之后将相关内容组织成分布式计算缓存所需的数据结构，然后缓存到内存中；在系统运行过程中通过分布式消息机制来触发规则和业务数据更新机制，增量的缓存修改和新增的数据，更新机制出发后首先将内存中的数据进行处理，然后再次进行缓存，在需要计算时再将规则和数据应用到计算过程。
(6)表码核查
数据质量校验完成后进行表码核查。获取添加的表码核查规则并将规则(起止码不同度差为0、倍率小于1、起止码异常等核查规则)进行转换，转换为大数据应用程序中对应数据的过滤表达式，对于不同的数据，过滤表达式可能不相同。然后根据表达式对数据进行识别，找出异常的数据，并根据异常的计量点数据找出与异常计量点相关的数据。在计算过程中进行过滤，不计算异常数据与异常相关数据。
(7)清单核查
数据质量校验完成后进行清单核查。通过spark的jdbc接口，从数据库中获取到当前电价相关数据，并利用spark广播变量等方法，将电价相关数据进行广播，并分发到各个节点，方便spark的多节点分布式计算。
(8)费控计算(核心)
8.1算费准备
1.从数据库中获取到当前电价相关数据，并利用spark广播变量等方法，将电价相关数据进行广播，并分发到各个节点，方便spark的多节点分布式计算。
2.使用大数据技术栈中分布式相关的技术来进行获取计量数据的操作，通过分布式技术在各个节点触发计量数据同步动作，通过分布式分发数据到费控系统计算集群的各个节点，这样将充分利用各个节点的硬件资源，大大提升各个节点的处理能力，减少处理时间，提升处理性能。
3.使用大数据技术栈中分布式相关的技术来进行获取用户档案数据的操作，通过分布式技术在各个节点触发用户档案数据同步动作，通过分布式分发数据到费控系统计算集群的各个节点，这样将充分利用各个节点的硬件资源，大大提升各个节点的处理能力，减少处理时间，提升处理性能。
4.使用大数据技术栈中分布式相关的技术来进行获取计量点变压器数据的操作，通过分布式技术在各个节点触发计量点变压器数据同步动作，通过分布式分发数据到费控系统计算集群的各个节点，各节点接收到指令后，同时构造计量点变压器之间的关系，这样将充分利用各个节点的硬件资源，大大提升各个节点的处理能力，减少处理时间，提升处理性能。
5.使用大数据技术栈中分布式相关的技术来获取费控用户的余额信息以及日志记录数据的操作，通过分布式技术在各个节点触发营销系统的费控用户的余额信息以及日志记录数据同步动作，通过分布式分发数据到费控系统计算集群的各个节点，充分利用各个节点的硬件资源，大大提升各个节点的处理能力，减少处理时间，提升处理性能。
6.在量费计算开始之前将量费计算所用到的初始化数据、广播变量、累加器、计算关系映射等在集群的各个节点之上构造完毕，并保存在内存之中，方便之后量费计算过程中在分布式的在各个节点之上展开计算。
8.2算法库初始化
1.将电量计算所用到的算法库中的算法在集群的各个节点之上加载完毕，并保存在内存之中，方便之后量费计算过程中在分布式的在各个节点之上展开电量计算。
2.量费计算开始之前将本次量费计算过程中所要计算的电量电费子过程进行选择，本次量费计算只对选择的电量电费子过程进行计算。对未选择的电量电费子过程跳过，不计算。
8.3电量计算
1.抄见电量计算并记录日志
2.换表电量计算并记录日志
3.免费电量计算并记录日志
4.退补电量计算并记录日志
5.总分电量并记录日志
6.变损电量计算并记录日志
7.线损电量计算并记录日志
8.定量电量计算并记录日志
9.定比电量计算并记录日志
10.公用表公摊电量计算并记录日志
11.合计电量计算并记录日志
8.4电费计算
1.阶梯阀值计算并记录日志
2.电度电费计算并记录日志
3.基金电价计算并记录日志
4.附加电价计算并记录日志
5.基本电费计算并记录日志
6.功率因数调整电费计算并记录日志
7.合计电费计算并记录日志
(9)金额比对
1.设定告警阈值：本功能提供前台页面，在系统页面提供告警阀值的“添加”按钮，管理员通过点击“添加”按钮，系统页面上显示弹框，可在弹框内输入欠费告警阀值，系统将以此数据为基础制定欠费告警规则，告警阀值可以通过多个维度进行设定，既可以按照用户所在地区、用户类型、用户信誉等级分类进行统一设定，也可以指定到具体用户进行单独设定。告警阀值既可以设置余额也可以设置欠费额，这样不但可以在用户欠费之后报警，还能够在用户欠费之前主动预警。另外，如果管理员没有设置告警阀值，系统会基于用户用电的历史数据进行欠费分析，提前预测出用户下一周的电费金额，以此作为告警阀值从而在页面上实现添加新的告警阀值的功能。
2.对远程费控用户的账户余额与每天的量费计算结果进行比对，从而计算远程费控用户的账户余额信息，得出每日用电户的电费余额，此计算结果将作为欠费告警的依据。
3.根据远程费控系统的告警规则，结合余额计算结果，得出每个用电户的电费余额，通过对比分析，向电费余额不足的用电户发送缴费通知。
4.当用电户缴费金额不足，达到停电标准时，将对这些用电户进行停电，本功能可向这些停电的用户及时地发送停电通知，以让用电户及时发现停电，以及了解停电的原因，该功能可以有力的缓解客服人员压力。
上述应用实例中，通过数据提取工具从营销系统的生产库中提取营销档案数据，放入费控计算系统，并通过将档案数据初始化、档案数据同步、表码数据集成分发，数据核查，费控计算、比对等实现费控的智能管理，并提高了数据管理的效率。
应该理解的是，虽然本申请的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种智能费控管理装置，包括：集成档案获取模块601、集成表码获取模块602、关联关系建立模块603和资源数据获取模块604，其中：
集成档案获取模块601，用于从电力营销系统中获取集成档案数据；
集成表码获取模块602，用于从计量自动化系统中获取集成表码数据；
关联关系建立模块603，用于基于预设的关联表信息，建立集成档案数据与集成表码数据之间的关联关系；其中，关联关系表中存储有不同的集成档案数据与不同的集成表码数据之间的对应关系；
资源数据获取模块604，用于利用关联关系，通过分布式计算系统获取电力资源数据。
在一个实施例中，集成档案获取模块601，进一步用于通过数据提取工具采用并行方式从电力营销系统中的电力数据库表中获取初始档案数据；对初始档案数据进行范式转换处理，将初始档案数据的数据格式转换为预设的分布式数据存储格式；对数据格式转换后的初始档案数据进行数据标准化处理并以第一存储格式进行存储，得到集成档案数据。
在一个实施例中，集成档案获取模块601，还用于通过数据提取工具采用并行方式从档案变更中间表中获取更新档案数据；其中，更新档案数据为电力营销系统中存储的更新后的初始档案数据；对更新档案数据进行范式转换处理以及数据标准化处理，得到集成档案数据。
在一个实施例中，集成表码获取模块602，进一步用于通过多线程方式按照预设的时间间隔从计量自动化系统中获取初始表码数据；利用分布式处理方法将初始表码数据按照预设的表码数据结构进行转换，并将数据结构转换后的初始表码数据以第二存储格式进行存储，作为集成表码数据。
在一个实施例中，集成表码数据包括第一集成表码数据以及第二集成表码数据；智能费控管理装置，还包括：表码数据校验模块，用于基于预设的数据校验规则对集成表码数据进行数据校验，得到集成表码数据的数据校验结果标识；若数据校验结果标识为校验通过，则确定集成表码数据为第一集成表码数据，并建立集成档案数据与第一集成表码数据之间的关联关系；若数据校验结果标识为校验不通过，则确定集成表码数据为第二集成表码数据，并将第二集成表码数据写入电力营销系统的异常数据表中。
在一个实施例中，资源数据获取模块604，进一步用于从集成表码数据中提取出目标用户对应的用户编号数据；利用关联关系，从集成档案数据中获取与用户编号数据相对应的用户抄表数据；基于预设的电力资源数据获取模型，利用用户抄表数据，通过分布式计算系统获取电力资源数据。
关于智能费控管理装置的具体限定可以参见上文中对于智能费控管理方法的限定，在此不再赘述。上述智能费控管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7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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。该计算机设备的数据库用于存储集成档案数据以及集成表码数据。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智能费控管理方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
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，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-onlymemory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(randomaccessmemory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(staticrandomaccessmemory，sram)或动态随机存取存储器(dynamicrandomaccessmemory，dram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
1.一种智能费控管理方法，其特征在于，所述方法包括：
从电力营销系统中获取集成档案数据；
从计量自动化系统中获取集成表码数据；
基于预设的关联表信息，建立所述集成档案数据与所述集成表码数据之间的关联关系；其中，所述关联关系表中存储有不同的集成档案数据与不同的集成表码数据之间的对应关系；
利用所述关联关系，通过分布式计算系统获取电力资源数据。
2.根据权利要求1所述的方法，其特征在于，所述通过数据提取工具从电力营销系统中获取集成档案数据，包括：
通过数据提取工具采用并行方式从所述电力营销系统中的电力数据库表中获取初始档案数据；
对所述初始档案数据进行范式转换处理，将所述初始档案数据的数据格式转换为预设的分布式数据存储格式；
对数据格式转换后的初始档案数据进行数据标准化处理并以第一存储格式进行存储，得到所述集成档案数据。
3.根据权利要求2所述的方法，其特征在于，所述电力数据库表包括档案变更中间表；所述方法还包括：
通过所述数据提取工具采用并行方式从所述档案变更中间表中获取更新档案数据；其中，所述更新档案数据为所述电力营销系统中存储的更新后的初始档案数据；
对所述更新档案数据进行所述范式转换处理以及所述数据标准化处理，得到所述集成档案数据。
4.根据权利要求1所述的方法，其特征在于，所述从计量自动化系统中获取集成表码数据，包括：
通过多线程方式按照预设的时间间隔从所述计量自动化系统中获取初始表码数据；
利用分布式处理方法将所述初始表码数据按照预设的表码数据结构进行转换，并将数据结构转换后的初始表码数据以第二存储格式进行存储，作为所述集成表码数据。
5.根据权利要求1所述的方法，其特征在于，所述集成表码数据包括第一集成表码数据以及第二集成表码数据；
所述基于预设的关联表信息，建立所述集成档案数据与所述集成表码数据之间的关联关系之前，还包括：
基于预设的数据校验规则对所述集成表码数据进行数据校验，得到所述集成表码数据的数据校验结果标识；
若所述数据校验结果标识为校验通过，则确定所述集成表码数据为所述第一集成表码数据，并建立所述集成档案数据与所述第一集成表码数据之间的关联关系；
若所述数据校验结果标识为校验不通过，则确定所述集成表码数据为所述第二集成表码数据，并将所述第二集成表码数据写入所述电力营销系统的异常数据表中。
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述利用所述关联关系，通过分布式计算系统获取电力资源数据，包括：
从所述集成表码数据中提取出目标用户对应的用户编号数据；
利用所述关联关系，从所述集成档案数据中获取与所述用户编号数据相对应的用户抄表数据；
基于预设的电力资源数据获取模型，利用所述用户抄表数据，通过分布式计算系统获取所述电力资源数据。
7.根据权利要求6所述的方法，其特征在于，所述电力资源数据包括：电量数据或电费数据；其中，所述电量数据包括：抄见电量、换表电量、免费电量、退补电量、总分电量、变损电量、线损电量、定比电量、定量电量、公用表公摊电量以及合计电量的至少一种；所述电费数据包括：阶梯阀值电费、电度电费、基金电费、附加电费、基本电费、功率因数调整电费以及合计电费的至少一种。
8.一种智能费控管理装置，其特征在于，所述装置包括：
集成档案获取模块，用于从电力营销系统中获取集成档案数据；
集成表码获取模块，用于从计量自动化系统中获取集成表码数据；
关联关系建立模块，用于基于预设的关联表信息，建立所述集成档案数据与所述集成表码数据之间的关联关系；其中，所述关联关系表中存储有不同的集成档案数据与不同的集成表码数据之间的对应关系；
资源数据获取模块，用于利用所述关联关系，通过分布式计算系统获取电力资源数据。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，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中任一项所述的方法的步骤。
技术总结