电力计量设备运维方法、装置、终端及存储介质与流程

1.本发明涉及电力计量技术领域，尤其涉及一种电力计量设备运维方法、装置、终端及存储介质。


背景技术：

2.为了保证电力计量设备在正常运行的前提下，避免因“到期轮换”产生物和人力的浪费，对于电力计量设备运行和维护方法的选择显得至关重要。良好的运维策略可以减少资源的浪费，促进能源的可持续发展。
3.同时，随着电力市场和大数据的发展，对于与电能相关数据的分析和利用显得越来越重要。电力计量设备轮换机制若由“到期轮换”转向“状态轮换”，将会使得电力计量设备的使用寿命大大延长，同时减少不必要的运维人力的消耗。
4.基于此，需要开发设计出一种电力计量设备运维方法。


技术实现要素：

5.本发明实施方式提供了一种电力计量设备运维方法、装置、终端及存储介质，用于解决现有技术中采用到期轮换易导致资源浪费的问题。
6.第一方面，本发明实施方式提供了一种电力计量设备运维方法，包括：获取第一计量设备的状态，所述第一计量设备为母线的电力计量设备；
7.若所述第一计量设备状态为良好，则获取当前线损，所述线损为各个馈线线路计量数据总和与所述母线计量数据的偏差，所述馈线线路为与所述母线相连的馈线线路；
8.根据所述当前线损确定第二计量设备集的状态，其中，所述第二计量设备集包括与所述母线相连的各个所述馈线线路的第二计量设备；
9.若所述第二计量设备集的状态为异常，则确定产生异常的第二计量设备；
10.向维护人员的终端设备发送所述产生异常的第二计量设备的维护信息。
11.在一些实施方式中，所述获取第一计量设备的状态，包括：
12.获取所述第一计量设备的运行环境数据，所述运行环境数据用于表征所述第一计量设备所处的运行环境；
13.将所述运行环境数据输入所述神经网络模型，获取所述第一计量设备的预期寿命，其中，所述神经网络为经过预测训练的lstm神经网络；
14.若所述预期寿命大于第一阈值，则确定所述第一计量设备的状态为良好。
15.在一些实施方式中，所述根据所述当前线损确定第二计量设备集的状态，包括：
16.获取线损曲线以及所述母线的当前计量数据，所述线损曲线为表征所述母线计量数据与线损关系的曲线；
17.根据所述当前计量数据以及所述线损曲线，确定目标线损；
18.若所述当前线损与所述目标线损的偏差大于第二阈值，则确定所述第二计量设备集的状态为异常。
19.在一些实施方式中，所述获取线损曲线，包括：
20.获取所述母线在多个时期的历史计量数据以及历史线损；
21.对所述多个时期的历史计量数据以及所述历史线损进行拟合，生成所述线损曲线。
22.在一些实施方式中，所述确定产生异常的第二计量设备，包括：
23.针对每个第二计量设备，执行以下步骤：
24.获取当前计量数据集以及多个历史计量数据集，所述计量数据集为所述第二计量设备的预定计量时长的计量数据的集合；
25.从所述多个历史计量数据集中选取一个与所述当前计量数据集最为接近的所述历史计量数据集，作为对比计量数据集；
26.计算第一平均值与第二平均值的偏差，所述第一平均值为所述当前计量数据集中所有计量数据的平均值，所述第二平均值为所述对比计量数据集中所有计量数据的平均值；
27.若所述第一平均值与所述第二平均值的偏差大于第三阈值，则确定所述第二计量设备产生了异常。
28.在一些实施方式中，所述选取一个与所述当前计量数据集最为接近的所述历史计量数据集，作为对比计量数据集，包括：
29.分别对所述当前计量数据集以及每个所述历史计量数据集进行归一化处理；
30.根据所述当前计量数据集生成概率曲线，作为第一曲线；
31.根据所述所述历史计量数据集生成概率曲线，作为第二曲线；
32.选取与所述第一曲线最为近似的所述第二曲线作为最接近曲线；
33.以所述最接近曲线对应的所述历史计量数据集，作为所述对比计量数据集。
34.在一些实施方式中，所述维护信息包括标识，所述向维护人员发送所述产生异常的第二计量设备的维护信息，包括：
35.获取所述产生异常的第二计量设备的标识，所述标识包括以下至少之一：所述第二计量设备的名称、型号以及安装位置；
36.向所述维护人员的终端设备发送所述标识。
37.第二方面，本发明实施方式提供了一种电力计量设备运维装置，包括：
38.第一状态获取模块，用于获取第一计量设备的状态，所述第一计量设备为母线的电力计量设备；
39.线损获取模块，用于在所述第一计量设备状态为良好时，获取当前线损，所述线损为各个馈线线路计量数据总和与所述母线计量数据的偏差，所述馈线线路为与所述母线相连的馈线线路；
40.第二状态获取模块，用于根据所述当前线损确定第二计量设备集的状态，其中，所述第二计量设备集包括与所述母线相连的各个所述馈线线路的第二计量设备；
41.异常确定模块，用于当所述第二计量设备集的状态为异常时，确定产生异常的第二计量设备；以及，
42.输出模块，用于向维护人员的终端发送所述产生异常的第二计量设备的维护信息。
43.第三方面，本发明实施方式提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
44.第四方面，本发明实施方式提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
45.本发明实施方式与现有技术相比存在的有益效果是：
46.本发明实施方式公开了的一种电力计量设备运维方法，其首先获取母线电力计量设备的状态，在其状态良好时，获取线损，线损为母线与各个馈线线路计量数据的偏差，当偏差较大时，认定馈线线路的某一个计量设备异常，在确定了异常设备后，对异常设备进行维护。本发明实施方式通过线损发现第二计量设备的异常状态，其实现了由“到期轮换”转向“状态轮换”，减少了不必要的物的更换，还减少了维护的作业量，减少了不必要的人力消耗。
附图说明
47.为了更清楚地说明本发明实施方式中的技术方案，下面将对实施方式或现有技术描述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性的前提下，还可以根据这些附图获得其他的附图。
48.图1是本发明实施方式提供的电力计量设备运维方法的流程图；
49.图2是本发明实施方式提供的循环神经网络结构以及其在时域展开形式图；
50.图3是本发明实施方式提供的lstm网络模型的基本结构图；
51.图4是本发明实施方式提供的采样法比较两个曲线相似性示意图；
52.图5是本发明实施方式提供的电力计量设备运维装置功能框图；
53.图6是本发明实施方式提供的终端功能框图。
具体实施方式
54.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施方式。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
55.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施方式来进行说明。
56.下面对本发明的实施例作详细说明，本实例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
57.图1为本发明实施方式提供的电力计量设备运维方法的流程图。
58.如图1所示，其示出了本发明实施方式提供的电力计量设备运维方法的实现流程图，详述如下：
59.在步骤101中，获取第一计量设备的状态，所述第一计量设备为母线的电力计量设
备。
60.在一些实施方式中，所述步骤101包括：
61.获取所述第一计量设备的运行环境数据，所述运行环境数据用于表征所述第一计量设备所处的运行环境；
62.将所述运行环境数据输入所述神经网络模型，获取所述第一计量设备的预期寿命，其中，所述神经网络为经过预测训练的lstm神经网络；
63.若所述预期寿命大于第一阈值，则确定所述第一计量设备的状态为良好。
64.示例性地，一种典型的电网结构为一条母线连接多个馈线线路，为多个馈线线路供电，母线的电能数据应当为各个与母线线路相连的馈线线路电能数据的总和。电能数据如瞬时功率，一个时段的电能消耗。
65.基于上述原理，本发明专利的一种创造性劳动在于，采用通过母线的电能数据与各个馈线线路的电能数据，相互验证彼此的有效性，进一步地表明母线和馈线线路上的各个电力计量设备是否可靠、准确的运行。避免了现有技术中，需要定期维护，定期更新电力计量设备的物和人力的浪费。
66.用于计量母线的计量设备通常精度较高，对于可靠性要求也比通常的应用好，其应用环境通常较为理想，因此，应当以母线的计量器具作为基准。
67.母线的电力计量设备是否可靠运行，与其运行的环境有密不可分的关系，通常其运行的环境条件好，设有检测和调控设备。检测数据如温度、湿度等等，均可作为预测电力计量设备预期寿命的条件。
68.本发明实施方式提供了一种采用神经网络预测电力计量设备寿命的方法。具体而言为lstm网络。
69.lstm网络(长短期记忆网络，long short-term memory)是一种时间循环神经网络，是为了解决一般的rnn(循环神经网络，recursive neural network)存在的长期依赖问题而专门设计出来的，所有的rnn都具有一种重复神经网络模块的链式形式。
70.图2为循环神经网络(recurrentneuralnetwork，rnn)结构以及其在时域展开形式，其内部循环神经单元构成了rnn网络中的隐含层，每一个网络节点的输出会同时反馈到自身以及其下一节点中，这种多级反馈机制使得rnn网络具有记忆功能。在t时刻，隐层接受当前时刻的输入x
t
，以及前一时刻自身的状态h
t-1
，形成环状的网络结构，所以rnn网络具有一定的短期记忆能力。此外其参数也可被共享，因此在处理序列的非线性特征进行学习时具有优势。
71.图2中，u是输入层到隐藏层的权重矩阵，v是隐藏层到输出层的权重矩阵，w就是隐藏层上一次的值作为这一次的输入的权重，s
t
是时刻t时的隐藏状态，o
t
是时刻t时的输出，x
t
是在t时刻的输入，是网络的存储单元，为一个n维向量。
72.rnn通常采用反向传播算法进行模型训练，但是由于本身结构的缺陷，在输入长序列数据时，随着网络加深，网络参数会呈指数级的衰减或增强，梯度值会近似等于0或者趋近于无穷大，这就导致了梯度消失和梯度爆炸问题。由于近来深度学习领域的迅速发展，相关研究与应用越来越深入，针对上述循环神经网络存在的问题，提出了相应的解决方案。
73.lstm网络模型在处理长时间依赖序列问题提供了新方案，其本质上是一种特殊的rnn网络。与rnn内部神经元对比，lstm不仅包含短期记忆状态控制单元h外，还增加用于存
储长期记忆控制单元c，相对于长期记忆单元c，短期记忆单元更新频率更快。lstm循环神经网络凭借同时拥有短期记忆和长期记忆神经元，弥补了rnn网络模型存在的缺陷，使其能够有效地处理长间隔的时序数据。
74.图3示出了lstm网络模型的基本结构，lstm网络引入了遗忘门、输入门和输出门三个门控循环单元，各单元共同协作完成控制记忆的更新与遗忘，实现记忆在隐含层单元中存储和流动，提高网络的预测精度。图3中所示，lstm网络通过遗忘阀f
t
、输入阀i
t
、输出阀o
t
和控制单元状态c
t
，决定哪些数据需要保留，哪些数据需要被遗忘，进而解决rnn的长距离依赖问题。
75.就本发明实施方式而言，本发明通过将采集的环境监测数据输入至经过训练的lstm网络中，通过lstm网络预测出电力计量设备的预期寿命。
76.在lstm网络的训练上，采用的是电力计量设备的历史数据对lstm网络进行训练。
77.训练前，应当准备训练样本组和验证样本组，训练样本组以及验证样本组均为历史监测数据构成的数据组，其中每个监测数据均标识有寿命标签。
78.采用训练样本组训练后，再经过验证样本组进行验证，训练后的神经网络其预测精度会随着训练逐步提高，当验证组验证的预测精度不再有明显提升时，此时可以固定神经网络的传输参数，作为经过预测训练的lstm神经网络。
79.当需要获取母线电力计量设备的状态时，首先，获取运行环境的数据，如温度、湿度以及灰尘浓度，然后，将上述数据输入至神经网络模型，获得预期的寿命，如果寿命低于阈值，则说明该电力计量设备运行状态良好，不需要维护，精度可靠。
80.在步骤102中，若所述第一计量设备状态为良好，则获取当前线损，所述线损为各个馈线线路计量数据总和与所述母线计量数据的偏差，所述馈线线路为与所述母线相连的馈线线路。
81.示例性地，如前所述，母线的电能数据应当为各个与母线线路相连的馈线线路电能数据的总和，上述为理论值，实施上，由于制造上的误差、线路传输损耗以及运行环境的影响，二者之间常常有一定的偏差，该偏差通常称之为线损。
82.在获取线损的方式上，一种常用的方式为，获取母线电力计量设备的数据，然后，获取各个馈线线路上电力计量设备的数据之和，两者作差，作为线损。
83.在步骤103中，根据所述当前线损确定第二计量设备集的状态，其中，所述第二计量设备集包括与所述母线相连的各个所述馈线线路的第二计量设备。
84.在一些实施方式中，步骤103包括：
85.获取线损曲线以及所述母线的当前计量数据，所述线损曲线为表征所述母线计量数据与线损关系的曲线；
86.根据所述当前计量数据以及所述线损曲线，确定目标线损；
87.若所述当前线损与所述目标线损的偏差大于第二阈值，则确定所述第二计量设备集的状态为异常。
88.在一些实施方式中，所述获取线损曲线，包括：
89.获取所述母线在多个时期的历史计量数据以及历史线损；
90.对所述多个时期的历史计量数据以及所述历史线损进行拟合，生成所述线损曲线。
91.示例性地，通过线损可以看出各个馈线线路上电力计量设备的运行状态。若各个电力计量设备运行状态良好，则线损应当在一定的区间范围内。而本发明实施方式提供了一种创造性的劳动，能够提供较为准确的参考，提高识别馈线线路上各个电力计量设备运行状态的灵敏度。
92.本发明实施方式为通过获取不同历史条件下，母线计量数据以及同期的线损，构成一个计量数据与线损相对应的坐标点，多个这种坐标点相连，即可拟合出线损曲线，由于线损曲线是通过真实的历史数据拟合而成的，故准确性相较理论计算或建模的方式更高。
93.当根据当前线损确定是否发生异常时，通过当前计量数据在线损曲线获取对应的线损目标，当前计量数据对应的线损应当在线损目标的合理范围内，当超过该范围，则说明至少一个馈线线路的电力计量设备出现了异常。
94.在步骤104中，若所述第二计量设备集的状态为异常，则确定产生异常的第二计量设备。
95.在一些实施方式中，步骤104包括：
96.针对每个第二计量设备，执行以下步骤：
97.获取当前计量数据集以及多个历史计量数据集，所述计量数据集为所述第二计量设备的预定计量时长的计量数据的集合；
98.从所述多个历史计量数据集中选取一个与所述当前计量数据集最为接近的所述历史计量数据集，作为对比计量数据集；
99.计算第一平均值与第二平均值的偏差，所述第一平均值为所述当前计量数据集中所有计量数据的平均值，所述第二平均值为所述对比计量数据集中所有计量数据的平均值；
100.若所述第一平均值与所述第二平均值的偏差大于第三阈值，则确定所述第二计量设备产生了异常。
101.在一些实施方式中，所述选取一个与所述当前计量数据集最为接近的所述历史计量数据集，作为对比计量数据集，包括：
102.分别对所述当前计量数据集以及每个所述历史计量数据集进行归一化处理；
103.根据所述当前计量数据集生成概率曲线，作为第一曲线；
104.根据所述所述历史计量数据集生成概率曲线，作为第二曲线；
105.选取与所述第一曲线最为近似的所述第二曲线作为最接近曲线；
106.以所述最接近曲线对应的所述历史计量数据集，作为所述对比计量数据集。
107.示例性地，对于每个馈线线路的电力计量设备，都应当确定其计量的准确性。
108.一种方式为通过对比历史数据，从历史数据中挖掘相似的部分，与当前的计量数据做比对，如两者偏差较大，则认为，该馈线线路应当进行维护。
109.具体实施上，通常获取最近一段时间区间的计量数据。以该区间长度，获取多个历史计量数据。
110.计量数据经过归一化处理，一种归一化处理方式为按照下式确定：
[0111][0112]
式中：x'i为归一后的数据，xi为某一历史数据集中的数据，x
min
为该历史数据集中
最小值，x
max
为该历史数据集中最大值，0《i≤n，n为该历史数据集中数据的总数量。
[0113]
数据经过归一化处理后，该数据集所有数据均分布在0-1的区间内。
[0114]
然后根据归一化后的每个数据集计算平均值x'以及方差σ2，最后根据平均值x'以及方差σ2计算得出分布函数f(x')。
[0115]
在比对曲线相似性方面，可以采用采样的方法，图4示出了采样法比较两个曲线相似性示意图。
[0116]
图中，横坐标是归一化后的数值，竖坐标为出现的概率。第一曲线401和第二曲线402分别取样j个点，该点的幅值含义为概率值，其中第一曲线取样j个点的记为qj，其中第一曲线取样j个点的记为q
kj
，通过欧式距离可以表明两个曲线的相似性：
[0117][0118]
进一步的，可得：
[0119][0120]
对多个sk进行排序，选择最小值对应的曲线为最接近曲线，以该曲线对应的历史计量数据集作为对比计量数据集。
[0121]
当两个数据集的偏差超过阈值时，则说明该电力计量设备产生了异常。
[0122]
在步骤105中，向维护人员的终端设备发送所述产生异常的第二计量设备的维护信息。
[0123]
在一些可能实现的实施方式中，所述维护信息包括标识，所述向维护人员发送所述产生异常的第二计量设备的维护信息，包括：
[0124]
获取所述产生异常的第二计量设备的标识，所述标识包括以下至少之一：所述第二计量设备的名称、型号以及安装位置；
[0125]
向所述维护人员的终端设备发送所述标识。
[0126]
本发明电力计量设备运维方法实施方式，其首先获取母线电力计量设备的状态，在其状态良好时，获取线损，线损为母线与各个馈线线路计量数据的偏差，当偏差较大时，认定馈线线路的某一个计量设备异常，在确定了异常设备后，对异常设备进行维护。本发明实施方式通过线损发现第二计量设备的异常状态，其实现了由“到期轮换”转向“状态轮换”，减少了不必要的物的更换，还减少了维护的作业量，减少了不必要的人力消耗。
[0127]
应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施方式的实施过程构成任何限定。
[0128]
以下为本发明的装置实施方式，对于其中未详尽描述的细节，可以参考上述对应的方法实施方式。
[0129]
图5是本发明实施方式提供的电力计量设备运维装置功能框图，参照图5，电力计量设备运维装置5包括：第一状态获取模块501、线损获取模块502、第二状态获取模块503、异常确定模块504以及输出模块505。
[0130]
第一状态获取模块501，用于获取第一计量设备的状态，所述第一计量设备为母线
的电力计量设备；
[0131]
线损获取模块502，用于在所述第一计量设备状态为良好时，获取当前线损，所述线损为各个馈线线路计量数据总和与所述母线计量数据的偏差，所述馈线线路为与所述母线相连的馈线线路；
[0132]
第二状态获取模块503，用于根据所述当前线损确定第二计量设备集的状态，其中，所述第二计量设备集包括与所述母线相连的各个所述馈线线路的第二计量设备；
[0133]
异常确定模块504，用于当所述第二计量设备集的状态为异常时，确定产生异常的第二计量设备；以及，
[0134]
输出模块505，用于向维护人员发送所述产生异常的第二计量设备的维护信息。
[0135]
图6是本发明实施方式提供的终端的功能框图。如图6所示，该实施方式的终端6包括：处理器600、存储器601以及存储在所述存储器601中并可在所述处理器600上运行的计算机程序602。所述处理器600执行所述计算机程序602时实现上述各个电力计量设备运维方法及实施方式中的步骤，例如图1所示的步骤101至步骤105。
[0136]
示例性的，所述计算机程序602可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器601中，并由所述处理器600执行，以完成本发明。
[0137]
所述终端6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端6可包括，但不仅限于，处理器600、存储器601。本领域技术人员可以理解，图6仅仅是终端6的示例，并不构成对终端6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
[0138]
所称处理器600可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0139]
所述存储器601可以是所述终端6的内部存储单元，例如终端6的硬盘或内存。所述存储器601也可以是所述终端6的外部存储设备，例如所述终端6上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器601还可以既包括所述终端6的内部存储单元也包括外部存储设备。所述存储器601用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器601还可以用于暂时地存储已经输出或者将要输出的数据。
[0140]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
[0141]
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述或记载的部分，可以参见其它实施方式的相关描述。
[0142]
本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0143]
在本发明所提供的实施方式中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0144]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
[0145]
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0146]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个电力计量设备运维方法及电力计量设备运维装置实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0147]
以上所述实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围，均应包含在本发明的保护范围之内。