一、电力计量资产全寿命周期管理方法
针对前言中提出的技术不足，本研究设计出基于物联网技术的智能电力计量系统，该技术具有以下创新点：（1）在智能电力计量系统中融入物联技术，通过物联网实现电力计量设备运行信息采集、信息整合、风险评价、完整性评价、维修与维护、能效评估、计量设备运维管理、监控管理、数据管理、维修和设计等多种数据的综合管理。（2）在物联网技术中加入改进型无限深度神经网络模型，深入挖掘电力计量设备相关的不同数据，进而实现电力表全寿命周期管理。
基于物联网技术的计量资产全寿命周期管理系统包括电力设备层、数据处理层和数据应用层，舍弃傳统技术的弊端，将物联网技术引入到智能电力计量系统内，实现了计量数据的自动化、智能化处理，有效地实现了移动互联技术、人工智能技术和通信技术的结合，将分布式计量设备采集数据有机结合起来。在电力设备层中，多种不同类型的电力计量数据信息被存储在电力计量资产全寿命周期数据库中，通过数据融合技术将不同类型的数据信息有机融合在一起。用户在分析数据信息时，管理系统在电力数据库中抽取数据信息，通过改进型无限深度神经网络模型实现电力数据信息的学习和训练，通过挖掘、分析电力计量数据之间的关系实现电力计量资产全生命周期的分析和挖掘。
在数据处理层中，通过大数据算法模型实现不同类型电力数据信息的处理和挖掘，采用深度挖掘的数学算法实现电力计量资产全生命周期数据分析。采用的分析方法是构建无限深度神经网络模型，采用该无限深度神经网模型进行电力计量资产全生命周期数据分析，目的在于提高电力计量资产全生命数据分析的能力，使得用户获取的电力计量宏观资产数据信息或者比较表面的数据信息转换为数学建模分析的方式，将表面数据信息通过微观数据更加深刻体现出来。
二、物联网技术的智能电力计量系统架构
物联网技术的智能电力计量系统主要分为三层结构：数据应用层、数据处理层和电力设备层。
依托物联网技术的智能电力计量系统能够建立面向广大用户的计算机管理系统，设计完善的数据接口，对系统运行故障实施监控，评价风险，准确统计和预测能耗，运用电力计量资产全生命数据库对数据信息经常存储，做好计量设备运维管理工作。在电力设备层，所存储和提供的数据包括电力计量设备运行规划数据，电力计量设备运行管理数据，电力计量数据统计数据，电力计量设备运行及故障报备数据，运行维护、档案管理、维修维护管理、电能计量数据设备运行状态监控、巡检管理数据、电力设备折旧管理和备退役管理数据。
三、基于物联网技术的智能电力计量
电力物联网技术可以将移动互联网技术、人工智能技术和数据信息通信技术有机地结合起来。通过对不同类型大数据的计算，模型可以直观地显示在不同级别的大数据管理下。
1.监测信息拦截收集
监控的核心问题是实时采集业务系统的运行数据。为了保证数据源的可靠性和真实性，对原有业务系统的性能影响不大，采用了无创探头技术。无创探头技术监测在采集方式上属于旁路连接方式。由于不需要在业务系统中安装客户端，因此减少了对业务系统的影响，避免了给现有业务增加管理复杂性，减少了业务操作的故障点。监控系统出现问题后，不会影响现有监控系统，从而保证系统的稳定性，通过热部署和无缝连接的采集方式，也可以保证监控系统的可扩展性。
2.传输与汇聚
通过监测信息拦截收集功能，系统完成了对链路监测信息的收集后，再由收集器将这些数据通过数据发送器负责将采集到的数据以数据流的方式发送给数据汇聚器。其中，数据发送器通常和监测信息收集器通常一起部署在同一台服务器上，根据设置的发送数据间隔，将监控数据收集器中的信息采用异步线程同步的方式发送给数据汇聚器，减低对计量系统数据采集本身的性能影响。搭建数据高速传输路径，使可插拔式集成得以实现，用户能够更加迅速、准确地获得监测信息，使服务端与客户端的流数据整合得以较好实现，为数据存储和流式计算提供数据。
3.数据处理展现
数据处理是监测系统的核心部分，主要通过获取Kafka中的链路、指标数据，完成数据存储和数据计算两部分。其中，数据存储采用ElasticSearch，一方面对调用链路、指标原始数据进行存储，另一方面支持对经数据计算后的数据进行存储。监控数据分析是数据计算处理的核心内容，以汇总的监控数据为基础，使调用链各个节点上的响应时间、TPS、并发数和调用链得到准确的计算，以此为特征完成逻辑回归模型的创建。以历史数据中获取的调用链节点响应时间和并发数为基础，对逻辑回归模型的有关参数信息进行有效的训练，准确地判断出调用链在正常运行状态下的安全置信区域。在预测调用节点响应时间、TPS、并发数以及给定时间是否正常时，可以使调用链安全置信区域和逻辑回归模式来快速预测出准确的结论。一旦发生问题，要第一时间报警。在应用过程中，针对监测系统做了很多定制化的改造，以更高的提高查询效率，主要表现在以下两个方面：
（1）优化查询。第一，优化查询请求。将“时间戳”参数加入查询请求中，实现相应日期索引文件的查询。第二，以往使用的查询策略会遍历全部的索引文件，并且“时间戳”数据也没有包含在查询请求中，使具体要访问的索引文件得不到准确的确定。依据具体的天数来生成索引文件，将“时间戳”数据加入请求中以后，只能访问对应日期的索引文件。针对“时间戳”相近索引文件创建时间点时，调用链的span会在两天内的索引文件中查询到，使时间戳当天和第二天的索引文件实现有效的访问。
4.预警算法
监控数据的暗涨、持续阴跌或者是微量波动不会被传统的监控预警算法所发现，使得故障漏报的情况时有发生。变点主要是指在持续微量下跌到一定时间以后，变化量累积到一定程度时，变点前后监测指标会在一段时间范围之内发生均值漂移。传统监测预警算法难于识别的阴跌趋势被均值漂移模型转化成为CUSUM时间序列，通过对历史数据的分析，使用机器学习算法将其变化趋势自动地反映出来。使用支撑Web应用将处理好的数据展示出来，工具展现端为用户提供各项服务，针对不同的角色提供不一样的服务，还能够将负载预测、应用瓶颈以及采集全链路等指标状态进行完美的实现，最大程度的支撑了典型场景的实现。
结束语
针对电力设备计量过程中出现的数据采集速度慢、传递效率低、数据处理困难等问题，将物联网技术应用到智能电力计量系统中，实现智能电力计量系统数据的自动化传递。构建了无限深度神经网络模型，将电力计量数据信息通过无限深度神经网络模型实现数据的处理和计算，提高了电力计量数据的管理和分析能力。
参考文献
[1]张天军，张威，潘敏，刘斌，杨在鹏，师明礼.基于物联网技术构建智能电力计量体系[J].自动化应用，2020（06）：91-92.
[2]高鑫，凌强，张力，王世杰，许舒翔.利用无线物联网技术实现智能电力计量[J].信息技术，2020，44（01）：163-166.
[3]刘岩，徐俊杰，周宇，孟宇，杨永标.利用无线嵌入式物联网技术实现智能电力计量[J].重庆理工大学学报（自然科学），2019，33（11）：162-167.
