受到数据处理硬件与软件自身局限的影响，电力营销系统存在着数据集成时间过长、共享率较低的问题，故提出微服务架构下的电力营销系统数据集成与共享系统设计。引入微服务架构，优化包含微服务架构设计单元、数据架构设计单元、主控服务器选取单元与计算服务器选取单元的硬件单元。根据居民的能源消费水平来生产和分配电力。提出的能耗分析集群算法，将消费者用电量划分为不同层次。提出的深度自动编码器将低维能耗数据输入自适应组织映射集群算法。然后，对集群算法得到的数据进行统计分析，确定电能消耗水平。
1微服务架构设计单元
微服务架构分为多个独立单元，再对应选取适当技术控制具体业务单元。在独立运行的基础上，构成内聚性较强的服务架构系统。与此同时，微服务架构服务单元之间边界较为明显，利用实时通信技术，结合单元之间的协调合作，共同实现微服务架构的功能。微服务架构将传统系统分解为不同功能的微服务接口，将其转化为易扩展、低耦合、可伸缩的应用系统，在一定程度上改善数据集成与共享性能，为电力营销系统的发展提供助力。数据架构设计是指在一个特定的应用环境中，制定一个最优数据模型与处理模式的逻辑，构建数据与数据之间的联系，满足电力用户数据需求。融合电力营销系统数据接入需求，构建数据架构。主数据是电力营销系统中最基础的、最核心的、公用性较高的数据，在设计系统中，主数据能够实现统一的审核与管理，并以此种方式为业务子系统、决策子系统提供可靠的数据支撑，保障核心数据的正确性与完整性。依据电力营销业务不同，对电力营销系统数据进行分类。主控服务器是系统的协调中心，承担着设计数据仓库的任务。通过相互协调、合作实现数据仓库的设计与构建，为设计系统提供数据存储功能。
2数据处理
从某种意义上说，基准数据集彼此之间存在根本不同，第一个数据集包含来自城市住宅建筑的能源消耗智能传感器数据，而第二个数据集则代表单个房屋的数据。这意味着提出的系统是从不同的角度评估的：分析整个城市和集中在单一的房子中的数据。首先，对一个月的能源消耗数据集进行了研究，该数据集可通过开放能源信息网站获得。在数据检验过程中，发现了一些不一致的样本和异常值。因此，可以把它们从数据集中删除，因为它们的百分比微不足道不会影响实验数据。接下来，实验中使用了一个被定义为每个区域kWh的单一特征。为此，首先从住宅建筑的特征数据中提取出每栋建筑的总建筑面积，然后将每栋建筑的用电能耗除以其总建筑面积。最后，这个单一的特征被传递到深度自动编码器。第二个数据集保存了采集的电力消耗数据。数据中存在一些缺失值，约占整个数据的1.25%。采用预处理步骤，对所有样品进行归一化处理。原始数据以1分钟采样率记录。因此，将每分钟的数据重新采样到每天的数据中，得到每天的电能消耗水平。
3智慧感测器数据采集、预处理
从研究证明，人工智能模型的性能取决于数据，如果数据较为真实则得人工智能出来的数据也相应的符合实际。因此，如果数据准确，则有助于精确训练任何人工智能模型。此外，从不同类型的传感设备收集的实际能耗数据以原始格式存储，通常不完整，数据构成不同且不一致。因此，在所提出的框架中，原始数据首先经历数据预处理阶段，消除噪声和异常值。预处理步骤之前和之后的数据如果可以看出一个样本是异常值，并且可以与其他数据样本分离，就直接将该值分离出来。因此，所有此类样本都已从数据中删除。在所提出的框架中，利用均值插补方法来处理数据中的缺失值。用于实验的数据集只有1.25%的缺失值，这些缺失值通过均值插补方法非常精确地处理。最后，将min-max方法应用于数据的规范化，该方法映射从0 1的整个范围，使得最小值和最大值分别变为0和1，数据分布更好地划分为多个集群[1]。
4合理调整配电网电压
对于配电网电压的调整应结合具体情况。变压器铜损是配电网的重要组成部分，其所产生的电能损耗较为严重，铜损和运行电压高低之间存在着密切联系，铜损会随着电压的升高而变小，进而线损也会变小。针对配电网而言，变压器铁损占线损比在40%～80%之间，铁损大小和运行电压之间成正比关系，所以线损会随着电压的升高而变大。人们通常会在白天开展生产活动，所以和夜间用电量相比，白天用电量要更大，由于夜间的变压器运转负荷相对较低，进而电压相对较高，很有可能会引起变压器空耗量大，导致线损很大程度增加。所以在配电网中，针对电压进行的调整应该充分结合用户用电需求，在不影响用户正常用电的情况下，对电压大小进行合理化调整，这便有利于有效减少线损[2]。
5电力营销系统数据集成模块
以电力营销系统数据获取与处理结果为基础，制定数据集成程序，电力用户客户端发送电力营销数据需求到任务调度，任务调度对元数据信息进行获取。步骤二: 对步骤一任务调度获取的元数据信息进行深入分析，判断其是否需要进行数据类型划分，若需要，进行步骤三; 若不需要，则将获取的数据直接分配到计算能力较强的服务器节点中。步骤三: 任务调度对可用计算服务器节点进行收集，依据微服务负载信息制定任务划分方案。步骤四: 依据步骤三获得的任务划分方案，向收集的可用计算服务器节点发送任务相关信息。步骤五: 等待可用计算服务器节点执行相应任务，并将执行结果进行反馈。步骤六: 合并、整合任务处理结果。步骤七: 输出数据集成结果。电力营销系统数据共享模块以电力营销系统数据集成结果为基础，应用区块链理论构建数据共享模型。电力营销系统数据共享是提升电力企业管理与服务、降低消耗、加强智慧决策的关键环节。区块链由数据提供方与数据接收方构成，两者之间呈现为关系，以区块链网络为基础，在链条上共享多种信息，具有普遍适用性，能应用到电力营销系统数据共享环节中[3]。
结束语
本文提出了一种集群的用电功耗水平预测技术，用于智能传感器数据的消费者分析。通过图形和条形图可视化了用于有效分析的能耗水平，并在城市地图上绘制了预测水平，这清楚地显示了城市的哪个部分具有更多的能源消耗。使用这种方法，供应商可以预测每栋建筑的能耗，并在将来产生该量的能量。在将来的工作中，可以使用变分自动编码器，它们能够理解源数据的基本概率分布。此外，还可以研究查找分布的参数，这将有助于预测低维数据的变化。
参考文献：
[1]黄翠婷.关于智能电表及集抄系统在线损管理中的应用研究[J].信息通信,2019(12):257-258.
[2]梁文献. 新型集抄系统中电表故障自动诊断和变更识别算法的研究与应用[D].华南理工大学,2019.DOI:10.27151/d.cnki.ghnlu.2019.004619.
[3]王炳棋,谢志锋,欧雄刃,李恒熙.关于智能电表及集抄系统在线损管理中的应用研究[J].电子测试,2019(18):84-86.DOI:10.16520/j.cnki.1000-8519.2019.18.036.
