用于评价台区的方法及装置与流程

1.本发明涉及电力技术领域，具体地涉及一种用于评价台区的方法及装置。


背景技术：

2.随着电力改革的深入及信息化水平的不断提升，台区管理精益化水平日益提高，台区综合评价在一定程度上指导了台区综合管理。台区综合评价涉及的方向及维度较多，指标选取复杂，现有的台区综合评价系统难以对台区综合状态进行客观全面的评价，不足以精确评价台区综合情况，存在评价不够精准的问题。


技术实现要素：

3.本发明的目的是提供一种用于评价台区的方法及装置，以解决现有的台区评价不够精准的问题。
4.为了实现上述目的，本发明第一方面提供一种用于评价台区的方法，方法包括：
5.获取预设评价周期内台区的原始电力数据；
6.根据原始电力数据得到台区潜在属性；
7.确定台区潜在属性对应的标签类型，其中标签类型包括正面标签和负面标签；
8.根据台区潜在属性的比重和标签类型的频率得到台区的画像，以对台区进行评价。
9.在本发明实施例中，台区潜在属性包括以下中的至少一者：线损率、台区负荷、台区负载、台区供电可靠率、停电时长、复电时长、三相不平衡、电压合格率、电能质量、电费回收率以及客户满意度。
10.在本发明实施例中，根据原始电力数据得到台区潜在属性包括：根据原始电力数据和预存储的业务规则确定台区潜在属性。
11.在本发明实施例中，确定台区潜在属性对应的标签类型，包括：将台区潜在属性与预设阈值进行比较，以确定台区潜在属性对应的标签类型。
12.在本发明实施例中，将台区潜在属性与预设阈值进行比较，以确定台区潜在属性对应的标签类型，包括：在台区潜在属性大于或等于预设阈值的情况下，确定台区潜在属性对应的标签类型为正面标签；在台区潜在属性小于预设阈值的情况下，确定台区潜在属性对应的标签类型为负面标签。
13.在本发明实施例中，根据台区潜在属性的比重和标签类型的频率得到台区的画像包括：根据标签类型的频率确定标签类型的倍率；根据台区潜在属性的比重、台区潜在属性的预设基础分值以及标签类型的倍率确定标签类型的权重；根据标签类型的权重得到台区的画像。
14.在本发明实施例中，根据标签类型的频率确定标签类型的倍率，包括：根据标签类型的频率和预设评价周期确定标签类型的倍率。
15.在本发明实施例中，在根据原始电力数据得到台区潜在属性之前，还包括：对原始
电力数据进行清洗。
16.在本发明实施例中，根据台区潜在属性的比重、预设基础分值以及标签类型的倍率确定标签类型的权重，包括：确定台区潜在属性的比重、台区潜在属性的预设基础分值以及标签类型的倍率的乘积，以确定标签类型的权重。
17.本发明第二方面提供一种用于评价台区的装置，装置包括：
18.原始数据获取模块，用于获取预设评价周期内台区的原始电力数据；
19.台区潜在属性确定模块，用于根据原始电力数据得到台区潜在属性；
20.标签类型确定模块，用于确定台区潜在属性对应的标签类型，其中标签类型包括正面标签和负面标签；
21.台区评价模块，用于根据台区潜在属性的比重和标签类型的频率得到台区的画像，以对台区进行评价。
22.上述技术方案，通过获取预设评价周期内台区的原始电力数据，从而根据原始电力数据得到台区潜在属性，进而确定台区潜在属性对应的标签类型，根据台区潜在属性的比重和标签类型的频率得到台区的画像，以对台区进行评价。上述技术方案通过综合分析台区数据，挖掘台区潜在的属性，并通过对台区潜在属性进行特征提取，得到台区潜在属性对应的标签类型，进而根据台区潜在属性的比重和标签类型的频率构建台区精准画像，从而可以通过该台区精准画像实现对台区综合状态的精准评价，提高了台区评价的精准度。
23.本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
24.附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
25.图1示意性示出了本发明一实施例中用于评价台区的方法的流程示意图；
26.图2示意性示出了本发明一实施例中得到台区画像的步骤的流程示意图；
27.图3示意性示出了本发明一实施例中用于评价台区的装置的结构框图。
具体实施方式
28.以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
29.图1示意性示出了本发明一实施例中用于评价台区的方法的流程示意图。如图1所示，在本发明实施例中，提供了一种用于评价台区的方法，以该方法应用于终端的处理器为例进行说明，该方法可以包括以下步骤：
30.步骤s102，获取预设评价周期内台区的原始电力数据。
31.可以理解，预设评价周期为预先设置的评价时间周期，例如7天或者30天。原始电力数据为台区采集设备采集到的电力数据，包括采集的表码、电压、电流、停电事件等原始数据。其中，台区采集设备可以包括但不限于电表或电力终端设备等检测设备。
32.具体地，处理器可以通过电表或电力终端设备等检测设备获取预设评价周期内台区的原始电力数据(例如表码、电压、电流、停电事件等)。
33.步骤s104，根据原始电力数据得到台区潜在属性。
34.可以理解，台区潜在属性为除台区基本属性之外的需要经过一定的计算处理得到的台区的属性特征，例如线损率，线损率为电力网络中损耗的电能(线路损失负荷)占向电力网络供应电能(供电负荷)的百分数，进一步地，台区潜在属性的数量可以为多个。其中台区基本属性为事先就存储好且通常不会发生变化的该台区的属性特征，可以包括但不限于台区类型、运行时间、变压器生产厂家、台区地址、台区地区类型以及所属单位。可理解地，基本属性可以只作特征分类用途，不参与台区画像分值计算。
35.具体地，处理器可以基于相应的算法，根据获取到的原始电力数据计算得到相应的台区潜在属性。
36.在一个实施例中，台区潜在属性可以包括以下中的至少一者：线损率、台区负荷、台区负载、台区供电可靠率、停电时长、复电时长、三相不平衡、电压合格率、电能质量、电费回收率以及客户满意度。
37.在一个实施例中，根据原始电力数据得到台区潜在属性包括：根据原始电力数据和预存储的业务规则确定台区潜在属性。
38.可以理解，预存储的业务规则为预先设置并存储的根据原始电力数据计算台区潜在属性的算法规则，例如根据停电事件计算停电时长的算法规则，根据电压数据计算电压合格率的算法规则。
39.步骤s106，确定台区潜在属性对应的标签类型，其中标签类型包括正面标签和负面标签。
40.可以理解，不同的台区潜在属性对应有不同的标签类型，包括正面标签和负面标签，以线损率为例，线损率的标签类型可以包括高线损率和低线损率。进一步地，在一些实施例中，标签类型还可以包括中性标签，例如线损率的标签类型还可以包括正常线损率。
41.具体地，处理器可以基于预设的算法确定台区潜在属性对应的标签类型。
42.在一个实施例中，确定台区潜在属性对应的标签类型，包括：将台区潜在属性与预设阈值进行比较，以确定台区潜在属性对应的标签类型。
43.可以理解，预设阈值为预先设置的每个台区潜在属性对应的参考值，可以基于该参考值确定标签类型。
44.具体地，处理器可以将台区潜在属性与预先存储的预设阈值进行比较，以确定该台区潜在属性对应的标签类型。
45.在一个实施例中，将台区潜在属性与预设阈值进行比较，以确定台区潜在属性对应的标签类型，包括：在台区潜在属性大于或等于预设阈值的情况下，确定台区潜在属性对应的标签类型为正面标签；在台区潜在属性小于预设阈值的情况下，确定台区潜在属性对应的标签类型为负面标签。
46.具体地，处理器将台区潜在属性(例如，线损率)和预设阈值进行比较，在该台区潜在属性大于或等于预设阈值的情况下，处理器可以确定该台区潜在属性对应的标签类型为正面标签(例如，低线损率)；在台区潜在属性小于预设阈值的情况下，确定台区潜在属性对应的标签类型为负面标签(例如，高线损率)。
47.步骤s108，根据台区潜在属性的比重和标签类型的频率得到台区的画像，以对台区进行评价。
48.可以理解，台区潜在属性的比重可以根据实际业务需求设置，即按照实际业务需求为不同台区潜在属性赋予不同权重，如线损率的比重为1.5。进一步地，在一些实施例中，台区潜在属性的比重的取值范围可以为1～1.5。标签类型的频率为标签类型在预设评价周期内出现的次数或天数。台区的画像用来展示台区的标签特征，以通过该台区的画像对该台区进行综合评价。
49.具体地，处理器可以根据台区潜在属性的比重和标签类型的频率得到台区的画像，以通过该台区的画像对该台区进行评价。
50.上述用于评价台区的方法，通过获取预设评价周期内台区的原始电力数据，从而根据原始电力数据得到台区潜在属性，进而确定台区潜在属性对应的标签类型，根据台区潜在属性的比重和标签类型的频率得到台区的画像，以对台区进行评价。上述方法通过综合分析台区数据，挖掘台区潜在的属性，并通过对台区潜在属性进行特征提取，得到台区潜在属性对应的标签类型，进而根据台区潜在属性的比重和标签类型的频率构建台区精准画像，从而可以通过该台区精准画像实现对台区综合状态的精准评价，提高了台区评价的精准度。
51.图2示意性示出了本发明一实施例中得到台区画像的步骤的流程示意图。如图2所示，在一个实施例中，根据台区潜在属性的比重和标签类型的频率得到台区的画像可以包括以下步骤：
52.步骤s202，根据标签类型的频率确定标签类型的倍率。
53.可以理解，标签类型的倍率为根据标签类型的频率和预设评价周期确定的关系系数。
54.在一个实施例中，根据标签类型的频率确定标签类型的倍率，包括：根据标签类型的频率和预设评价周期确定标签类型的倍率。
55.具体地，在标签类型为正面标签的情况下，可以根据正面标签的频率和预设评价周期确定正面标签的倍率，具体可以参照以下公式确定正面标签的倍率：
56.正面标签的倍率＝1 正面标签的频率/预设评价周期*100％
57.其中，正面标签的频率可以是在预设评价周期内正面标签出现的天数，预设评价周期可以是预设评价周期的天数。
58.在标签类型为负面标签的情况下，可以根据负面标签的频率和预设评价周期确定负面标签的倍率，具体可以参照以下公式确定负面标签的倍率：
59.负面标签的倍率＝(预设评价周期-负面标签的频率)/预设评价周期*100％
60.其中，负面标签的频率可以是在预设评价周期内负面标签出现的天数，预设评价周期可以是预设评价周期的天数。
61.步骤s204，根据台区潜在属性的比重、台区潜在属性的预设基础分值以及标签类型的倍率确定标签类型的权重。
62.可以理解，台区潜在属性的预设基础分值为预先设置的台区潜在属性的基本得分，例如5分。标签类型的权重为标签类型在画像中的占比分值。
63.在一个实施例中，根据台区潜在属性的比重、预设基础分值以及标签类型的倍率确定标签类型的权重，包括：确定台区潜在属性的比重、台区潜在属性的预设基础分值以及标签类型的倍率的乘积，以确定标签类型的权重。
64.具体地，可以参照以下公式计算标签类型的权重：
65.标签类型的权重＝预设基础分值*台区潜在属性的比重*标签类型的倍率
66.其中，台区潜在属性的预设基础分值即台区潜在属性的基本得分，例如5分，台区潜在属性的比重可以根据实际业务需求设置，例如线损率比重值为1.5，标签类型的倍率为根据标签类型的频率和预设评价周期确定的关系系数，例如120％。
67.步骤s206，根据标签类型的权重得到台区的画像。
68.具体地，处理器根据标签类型的权重可以得到台区的画像，进一步可以对标签类型的权重(即标签的得分)进行累加求和，从而得到台区的画像得分。
69.在本发明实施例中，根据上述算法公式对台区潜在属性的所有标签得分值进行计算，由于得分是根据台区多维度的标签得出的，所以根据最终得分可以得到对台区的精准评价，提高台区综合评价的准确度。
70.在一些实施例中，针对当前关系型数据存储结构无法满足日益增长的海量台区数据的存储需求的问题，可以基于大数据消息中间件组件接入台区档案数据和采集数据，利用分布式方案对数据进行存储，形成数据源。具体地，可以采用nosql数据 hive组合方案实现数据存储，其中nosql数据库负责存储热点数据(采集周期为最近2年内的数据)，hive负责存储全量数据，nosql数据库中的数据定期同步到hive中存储中，同步时间可以为每日凌晨。
71.在一个实施例中，在根据原始电力数据得到台区潜在属性之前，还包括：对原始电力数据进行清洗。
72.可理解地，处理器在根据原始电力数据得到台区潜在属性之前，还可以对原始电力数据进行清洗。针对当前数据清洗方式难以满足海量数据场景下的数据高效清理需求的问题，可以使用大数据批量处理技术对数据源进行清洗，具体可以采用spark impala方案，将nosql存储中数据加载到内存中，并生成对应的结构化内存表，对数据进行清洗，例如：针对表码数据，根据异常诊断规则，判断表码是否为倒走、飞走或示值不平，对负荷异常条件的数据采用补全规则对数据进行修复，如利用最近七天的表码的平均值作为修复的表码示值。
73.在一个实施例中，根据原始电力数据得到台区潜在属性，具体可以包括：基于采集的表码、电压、电流、停电事件等原始数据，利用大数据计算能力对数据进行计算处理，针对计算得后的到的结果数据，利用无监督学习算法模型数据进行聚类处理，获取台区潜在属性。
74.在本发明另一个实施例中，提供了一种用于评价台区的方法，可以包括以下步骤：
75.1、基于大数据消息中间件组件接入台区档案数据和采集数据，利用分布式方案对数据进行存储，形成数据源。
76.具体地，可以采用nosql数据 hive组合方案实现数据存储，其中nosql数据库负责存储热点数据(采集周期为最近2年内的数据)，hive负责存储全量数据，nosql数据库中的数据定期同步到hive中存储中，同步时间可以为每日凌晨。
77.2、使用大数据批量处理技术对数据源进行清洗；利用深度学习技术综合分析台区数据，挖掘台区潜在的属性，根据业务需求为属性生成比重。
78.具体地，可以采用spark impala方案，将nosql存储中数据加载到内存中，并生成
对应的结构化内存表，对数据进行清洗，例如：针对表码数据，根据异常诊断规则，判断表码是否为倒走、飞走或示值不平，对负荷异常条件的数据采用补全规则对数据进行修复，如利用最近七天的表码的平均值作为修复的表码示值。
79.基于采集的表码、电压、电流、停电事件等原始数据，利用大数据计算能力对数据进行计算处理，针对计算得后的到的结果数据，利用无监督学习算法模型数据进行聚类处理，获取台区潜在属性。
80.这里将台区属性分为两大类，分别为：
81.1)、台区基本属性：台区类型、运行时间、变压器生产厂家、台区地址、台区地区类型、所属单位。
82.2)、台区潜在属性：线损率、台区负荷、台区负载、台区供电可靠率、停电时长、复电时长、三相不平衡、电压合格率、电能质量、电费回收率、客户满意度。
83.3、利用大数据技术进行特征提取，将台区属性转换为标签，根据标签出现的频率和比重为标签赋予权重；基于标签构建台区精准画像。
84.特征提取基于台区属性，利用大数据技术对台区属性进行处理，其中，台区基本属性可以直接转换为对应的标签，台区潜在属性转换标签时，通过各项属性通过计算得到的数据，与公共约定的阈值进行比对，例如，针对台区线损率属性，可根据线损率计算数值，转换为：高损、负损或正常三种标签。台区的标签分类完成后，台区画像为台区所有标签的组合描述，例如：a台区具有的标签为：高线损率、客户满意度低、平均停电时间长、平均复电时间长等，以上所有标签组合即为a台区画像。
85.4、利用台区画像标签权重构建台区综合评价模型，实现对台区综合状态的精准评价。
86.标签赋予权重的方法示例如下：针对台区基础标签，如所属单位，所在地址等，按照固定分值方进行标签权重赋值，例如：偏远地区台区，考虑当前技术能力影响，该项标签权重得分高于正常地区；台区潜在属性转换的标签，根据其真是计算结果和约定的阈值，进行分类，例如：针对台区线损率，可分为正常、高损和负损三大类，以负损为例，又可以根据实际情况分为计量装置异常负损、信息录入负损等，不同情况对正常作业影响的大小分别进行标签权重赋值。线损评价模型具体为一套数据公式，即根据台区所属的所有标签得分值进行数学运算，由于得分是根据台区多维度的标签得出的，所以根据最终得分得到对台区的精准评价。
87.本发明实施例中，基于大数据分布式存储及集群横向扩展的优势，既可满足当前海量数据的存储需求，又可保证未来数据存储的需求；基于大数据的数据处理技术，可以高效完成海量数据的清洗，保证结果数据的有效性；采用关联分析、统计分析、深度学习、聚类分析等数据挖掘技术，针对不同的台区，采取不同的算法模型，可以从多个维度挖掘台区数据隐藏的属性和关联关系，全面和精细的提取台区标签，实现对台区画像的精准构建。
88.图3示意性示出了本发明一实施例中用于评价台区的装置的结构框图。如图3所示，在本发明实施例中，提供了一种用于评价台区的装置300，包括：原始数据获取模块310、台区潜在属性确定模块320、标签类型确定模块330以及台区评价模块340，其中：
89.原始数据获取模块310，用于获取预设评价周期内台区的原始电力数据。
90.台区潜在属性确定模块320，用于根据原始电力数据得到台区潜在属性。
91.标签类型确定模块330，用于确定台区潜在属性对应的标签类型，其中标签类型包括正面标签和负面标签。
92.台区评价模块340，用于根据台区潜在属性的比重和标签类型的频率得到台区的画像，以对台区进行评价。
93.上述用于评价台区的装置300，通过获取预设评价周期内台区的原始电力数据，从而根据原始电力数据得到台区潜在属性，进而确定台区潜在属性对应的标签类型，根据台区潜在属性的比重和标签类型的频率得到台区的画像，以对台区进行评价。上述装置通过综合分析台区数据，挖掘台区潜在的属性，并通过对台区潜在属性进行特征提取，得到台区潜在属性对应的标签类型，进而根据台区潜在属性的比重和标签类型的频率构建台区精准画像，从而可以通过该台区精准画像实现对台区综合状态的精准评价，提高了台区评价的精准度。
94.在一个实施例中，台区潜在属性包括以下中的至少一者：线损率、台区负荷、台区负载、台区供电可靠率、停电时长、复电时长、三相不平衡、电压合格率、电能质量、电费回收率以及客户满意度。
95.在一个实施例中，台区潜在属性确定模块320还用于：根据原始电力数据和预存储的业务规则确定台区潜在属性。
96.在一个实施例中，标签类型确定模块330还用于：将台区潜在属性与预设阈值进行比较，以确定台区潜在属性对应的标签类型。
97.在一个实施例中，标签类型确定模块330还用于：在台区潜在属性大于或等于预设阈值的情况下，确定台区潜在属性对应的标签类型为正面标签；在台区潜在属性小于预设阈值的情况下，确定台区潜在属性对应的标签类型为负面标签。
98.在一个实施例中，台区评价模块340还用于：根据标签类型的频率确定标签类型的倍率；根据台区潜在属性的比重、台区潜在属性的预设基础分值以及标签类型的倍率确定标签类型的权重；根据标签类型的权重得到台区的画像。
99.在一个实施例中，台区评价模块340还用于：根据标签类型的频率和预设评价周期确定标签类型的倍率。
100.在一个实施例中，上述用于评价台区的装置300还包括数据清洗模块，用于在根据原始电力数据得到台区潜在属性之前，对原始电力数据进行清洗。
101.在一个实施例中，台区评价模块340还用于：确定台区潜在属性的比重、台区潜在属性的预设基础分值以及标签类型的倍率的乘积，以确定标签类型的权重。
102.上述用于评价台区的装置包括处理器和存储器，上述原始数据获取模块、台区潜在属性确定模块、标签类型确定模块、台区评价模块和数据清洗模块等均作为程序模块存储在存储器中，由处理器执行存储在存储器中的上述程序模块来实现相应的功能。
103.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高台区评价的精准度。
104.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
105.本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实
现上述用于评价台区的方法。
106.本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述用于评价台区的方法。
107.本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现上述用于评价台区的方法。本文中的设备可以是服务器、pc、pad、手机等。
108.本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有上述用于评价台区的方法的程序。
109.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
110.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
111.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
112.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
113.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
114.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
115.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算
机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
116.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
117.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。