CN116956199B - 一种用于智能电能表信息交互的大数据分析***及方法 - Google Patents

Abstract

本发明涉及通信数据分析技术领域，具体为一种用于智能电能表信息交互的大数据分析***及方法，包括：电能表信息交互模块、费控数据采集模块、数据库、参考数据剔除模块和通信维护管理模块，通过电能表信息交互模块在用户缴纳电费过程中进行电能表和缴费平台间的信息交互，通过费控数据采集模块采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息，通过数据库存储接收到的全部数据，通过参考数据剔除模块分析用于预判电能表和缴费平台间的通信延时情况的参考数据，对参考数据做剔除处理，通过通信维护管理模块依据参考数据预判电能表和缴费平台间的通信延时情况，并进行通信维护管理，降低了用户缴费后出现复电延时严重现象的概率。

Description

一种用于智能电能表信息交互的大数据分析***及方法

技术领域

本发明涉及通信数据分析技术领域，具体为一种用于智能电能表信息交互的大数据分析***及方法。

背景技术

智能远程费控电能表是智能电网数据采集的基本设备之一，具备原始电能数据采集、计量和传输的任务，是实现信息集成、分析优化和信息展现的基础，相对于只具备基本用电量的计量功能的传统电能表而言，还具有双向多种费率计量功能、用户端控制功能、多种数据传输模式的双向数据通信功能、停电、合闸复电等智能化的功能；

现实生活中，用户在停电被通知欠费后，可以通过手机等终端缴纳相应的电费，在缴费完成后存在复电延时的现象，然而，若智能电能表和缴费平台间的通信、信息交互出现延时异常，甚至会出现复电延时严重、延时时间过长的现象，通信延时异常的原因可能是电能表或者通信***出现异常，随着电能表使用时间的增加，电能表或者通信***越容易出现异常状况，现有技术未对延时异常现象进行预判，无法降低用户缴费后出现复电延时严重现象的概率。

所以，人们需要一种用于智能电能表信息交互的大数据分析***及方法来解决上述问题。

发明内容

本发明的目的在于提供一种用于智能电能表信息交互的大数据分析***及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种用于智能电能表信息交互的大数据分析***，所述***包括：电能表信息交互模块、费控数据采集模块、数据库、参考数据剔除模块和通信维护管理模块；

所述电能表信息交互模块的输出端连接所述费控数据采集模块的输入端，所述费控数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述参考数据剔除模块的输入端，所述参考数据剔除模块的输出端连接所述通信维护管理模块的输入端；

通过所述电能表信息交互模块在用户缴纳电费过程中进行电能表和缴费平台间的信息交互；

通过所述费控数据采集模块采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息，将采集到的全部数据传输到所述数据库；

通过所述数据库存储接收到的全部数据；

通过所述参考数据剔除模块分析用于预判电能表和缴费平台间的通信延时情况的参考数据，对参考数据做剔除处理；

通过所述通信维护管理模块依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况，并进行通信维护管理。

进一步的，所述电能表信息交互模块包括停电缴费通知单元、缴费信息传输单元和远程复电控制单元；

所述停电缴费通知单元的输出端连接所述缴费信息传输单元的输入端，所述缴费信息传输单元的输出端连接所述远程复电控制单元的输入端；

所述停电缴费通知单元用于在因欠费导致用户住处停电时，向用户终端发送停电缴费的通知信息；

所述缴费信息传输单元用于在用户收到通知并缴纳完成需要缴纳的电费后，将已缴费完成信息传输至智能电能表；

所述远程复电控制单元用于控制智能电能表对用户住处进行复电。

进一步的，所述费控数据采集模块包括缴费时间采集单元、复电时间采集单元和使用时长采集单元；

所述缴费时间采集单元的输入端连接所述远程复电控制单元的输出端，所述缴费时间采集单元、复电时间采集单元和使用时长采集单元的输出端连接所述数据库的输入端；

所述缴费时间采集单元用于采集用户以往因停电而缴费的时间信息；

所述复电时间采集单元用于采集用户以往缴费完成后，用户住处复电的时间信息；

所述使用时长采集单元用于采集用户以往因停电而缴费时电能表已使用的时长；

所述电能表已使用的时长指的是电能表的安装时间到用户以往因停电而缴费的时间间隔，例如：用户以往某次的缴费的时间为A，电能表安装的时间为B，对应次因停电而缴费时电能表已使用的时长为：A-B。

进一步的，所述参考数据剔除模块包括费控数据分析单元和训练样本剔除单元；

所述费控数据分析单元的输入端连接所述数据库的输出端，所述费控数据分析单元的输出端连接所述训练样本剔除单元的输入端；

所述费控数据分析单元用于分析用户以往因停电而缴费的时间到缴费完成后用户住处复电的时间的间隔时长；

所述训练样本剔除单元用于将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点，将数据点分为若干组，对若干组数据点分别进行直线拟合，根据拟合结果剔除掉部分数据点，将剔除后剩余的数据点对应的间隔时长作为训练样本，将训练样本数据传输到所述通信维护管理模块。

进一步的，所述通信维护管理模块包括延时预测模型建立单元和通信维护预警单元；

所述延时预测模型建立单元的输入端连接所述训练样本剔除单元的输出端，所述延时预测模型建立单元的输出端连接所述通信维护预警单元的输入端；

所述延时预测模型建立单元用于分析训练样本数据，建立电能表与缴费平台之间的通信延时预判模型，预测未来因停电而缴费的时间到复电时间的间隔时长，设置间隔时长阈值，分析间隔时长达到或超出阈值的时间，若间隔时长达到或超出阈值，判断电能表与缴费平台之间的通信延时异常；

所述通信维护预警单元用于在预测的时间比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和间隔时长阈值，若实际间隔时长≥阈值，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<阈值，不发送警报信号。

一种用于智能电能表信息交互的大数据分析方法，包括以下步骤：

Z1：在用户缴纳电费过程中进行电能表和缴费平台间的信息交互；

Z2：采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息；

Z3：分析用于预判电能表和缴费平台间的通信延时情况的参考数据，对参考数据做剔除处理；

Z4：依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况；

Z5：对智能电能表和缴费平台间的信息交互进行通信维护管理。

进一步的，在步骤Z1中：在因欠费导致用户住处停电时，向用户终端发送停电缴费的通知信息，在用户收到通知并缴纳完成需要缴纳的电费后，将已缴费完成信息传输至智能电能表，控制智能电能表对用户住处进行复电；

进一步的，在步骤Z2中：采集用户以往n次因停电而缴费的时间，采集以往n次缴费完成后，用户住处复电的时间，获取到以往n次因停电而缴费的时间到复电时间的间隔时长集合为t={t₁，t₂，…，t_n}，采集到用户以往n次因停电而缴费时电能表已使用的时长集合为T={T₁，T₂，…，T_n}，T中的元素按从小到大的顺序排列。

进一步的，在步骤Z3中：将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点，生成数据点{（T₁，t₁），（T₂，t₂），…，（T_n，t_n）}，将数据点按顺序分为k组，获取到第一组数据点为{（T₁，t₁），（T₂，t₂），…，（T_f，t_f）}，其中，f表示第一组的数据点个数，将第一组数据点进行直线拟合，建立拟合函数：，其中，ε1表示拟合偏置，δ表示截距，根据下列公式分别求解ε1和δ：

ε1=[f∑^f _i=1（T_i×t_i）-∑^f _i=1T_i∑^f _i=1t_i]/[f∑^f _i=1(T_i)²-(∑^f _i=1T_i)²]；

δ=(∑^f _i=1t_i-ε1∑^f _i=1T_i)/f；

其中，T_i表示用户以往第i次因停电而缴费时电能表已使用的时长，t_i表示第i次因停电而缴费的时间到复电时间的间隔时长，对剩余k-1组数据点分别进行直线拟合，获取到k组拟合偏置集合为ε={ε1，ε2，…，εk}，比较ε1和0：若ε1≤0，将第一组数据点进行剔除；若ε1>0，设置偏置阈值为M，比较ε1和M：若ε1≤M，将第一组数据点进行剔除；若ε1>M，不剔除即保留第一组数据点，将剩余k-1组拟合偏置分别与0和M以相同方式进行一一比较，对剩余k-1组的数据点做剔除或保留处理，获取到处理后剩余的数据点对应的间隔时长集合为U={U₁，U₂，…，U_m}，其中，m表示处理后剩余的数据点数量，U包含于t，将U中的间隔时长数据作为训练样本；

通过大数据技术采集用户以往缴费的时间和复电的时间以及缴费时电能表的已使用时长这些历史数据，目的在于将缴费时间到复电时间的间隔时长作为参考数据来分析以往电能表和缴费平台之间的通信延时情况，进而预判未来的通信延时趋势，间隔时间越长，判断通信延时越严重；

在分析参考数据之前，考虑到部分数据，即部分次缴费时间和复电时间的间隔时长之间的差距不大，或者在电能表使用时间不长、刚开始使用时的间隔时长可能呈上升但是平稳趋势、或呈下降趋势，对包含这些数据的所有参考数据进行分析预判延时情况，这些数据可能会对预判结果产生干扰，因此，在分析参考数据之前优先筛除掉呈上升但是平稳趋势、或呈下降趋势的间隔时长数据，剔除干扰数据有利于提高预判结果的准确性。

进一步的，在步骤Z4-Z5中：获取到U中的间隔时长分别对应第{N₁，N₂，…，N_m}次因停电而缴费的时间到复电时间的间隔时长，建立电能表与缴费平台之间的通信延时预测模型：

；

其中，预测得到在第N_m次后第一次因停电而缴费的时间到复电时间的间隔时长为F_m+1，β表示加权系数，0<β<1，F_m表示第N_m次因停电而缴费的时间到复电时间的间隔时长指数平滑值，根据公式计算得到第N₁次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₁，根据公式计算得到第N₂次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₂，根据公式/>计算得到第N₃次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₃，依此类推计算得到F_m+1，设置间隔时长阈值为J，比较F_m+1和J：若F_m+1≥J，判断在第N_m次后第一次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值，在第N_m次后第一次因停电而缴费后，核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J，若实际间隔时长≥J，判断电能表与缴费平台之间的通信延时异常，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<J，不发送警报信号；

其中，预测得到在第N_m次后第一次因停电而缴费的时间到复电时间的间隔时长为F_m+1，β表示加权系数，0<β<1，F_m表示第N_m次因停电而缴费的时间到复电时间的间隔时长指数平滑值，根据公式计算得到第N₁次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₁，根据公式计算得到第N₂次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₂，根据公式/>计算得到第N₃次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₃，依此类推计算得到F_m+1，设置间隔时长阈值为J，比较F_m+1和J：若F_m+1≥J，判断在第N_m次后第一次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值，在第N_m次后第一次因停电而缴费后，核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J，若实际间隔时长≥J，判断电能表与缴费平台之间的通信延时异常，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<J，不发送警报信号；

若F_m+1<J，继续预测在第N_m次后第二次、第三次因停电而缴费的时间到复电时间的间隔时长，直至预测得到的间隔时长≥J，若预测到在第N_m次后第R次因停电而缴费的时间到复电时间的间隔时长≥J，判断在第N_m次后第R次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值，在第N_m次后第R次因停电而缴费后，核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J，若实际间隔时长≥J，判断电能表与缴费平台之间的通信延时异常，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<J，不发送警报信号；

在剔除掉部分干扰数据后，利用指数平滑算法对剩余保留的数据进行分析，预测未来因停电而缴费的时间到复电时间的间隔时长，设置间隔时长阈值，分析以间隔时长变化趋势而言未来间隔时长会达到或超出阈值的时间，在预测的时间对分析结果进行核实，若实际间隔时长达到或超出阈值，判断缴费平台和智能电能表之间的通信出现延时异常的问题，会导致用户缴费后复电延时严重的问题，优先进行预测有利于及时发现并解决通信延时异常问题，降低了用户缴费后出现复电延时严重现象的概率。

与现有技术相比，本发明所达到的有益效果是：

本发明通过大数据技术采集用户以往缴费的时间和复电的时间以及缴费时电能表的已使用时长这些历史数据，目的在于将缴费时间到复电时间的间隔时长作为参考数据来分析以往电能表和缴费平台之间的通信延时情况，进而预判未来的通信延时趋势；

在分析参考数据之前，考虑到部分数据，即部分次缴费时间和复电时间的间隔时长之间的差距不大，或者在电能表使用时间不长、刚开始使用时的间隔时长可能呈上升但是平稳趋势、或呈下降趋势，对包含这些数据的所有参考数据进行分析预判延时情况，这些数据可能会对预判结果产生干扰，因此，在分析参考数据之前优先筛除掉呈上升但是平稳趋势、或呈下降趋势的间隔时长数据，预先剔除干扰数据，提高预判结果的准确性；

在剔除掉部分干扰数据后，利用指数平滑算法对剩余保留的数据进行分析，预测未来因停电而缴费的时间到复电时间的间隔时长，设置间隔时长阈值，分析以间隔时长变化趋势而言未来间隔时长会达到或超出阈值的时间，在预测的时间对分析结果进行核实，若实际间隔时长达到或超出阈值，判断缴费平台和智能电能表之间的通信出现延时异常的问题，会导致用户缴费后复电延时严重的问题，优先进行预测便于及时发现并解决通信延时异常问题，降低了用户缴费后出现复电延时严重现象的概率。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种用于智能电能表信息交互的大数据分析***的结构图；

图2是本发明一种用于智能电能表信息交互的大数据分析方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

下面结合图1-图2和具体实施例对本发明作进一步的说明。

实施例1：如图1所示，本实施例提供了一种用于智能电能表信息交互的大数据分析***，***包括：电能表信息交互模块、费控数据采集模块、数据库、参考数据剔除模块和通信维护管理模块，通过电能表信息交互模块在用户缴纳电费过程中进行电能表和缴费平台间的信息交互，通过费控数据采集模块采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息，将采集到的全部数据传输到数据库，通过数据库存储接收到的全部数据，通过参考数据剔除模块分析用于预判电能表和缴费平台间的通信延时情况的参考数据，对参考数据做剔除处理，通过通信维护管理模块依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况，并进行通信维护管理。

电能表信息交互模块包括停电缴费通知单元、缴费信息传输单元和远程复电控制单元，停电缴费通知单元用于在因欠费导致用户住处停电时，向用户终端发送停电缴费的通知信息，缴费信息传输单元用于在用户收到通知并缴纳完成需要缴纳的电费后，将已缴费完成信息传输至智能电能表，远程复电控制单元用于控制智能电能表对用户住处进行复电。

费控数据采集模块包括缴费时间采集单元、复电时间采集单元和使用时长采集单元，缴费时间采集单元用于采集用户以往因停电而缴费的时间信息，复电时间采集单元用于采集用户以往缴费完成后，用户住处复电的时间信息，使用时长采集单元用于采集用户以往因停电而缴费时电能表已使用的时长。

参考数据剔除模块包括费控数据分析单元和训练样本剔除单元，费控数据分析单元用于分析用户以往因停电而缴费的时间到缴费完成后用户住处复电的时间的间隔时长，训练样本剔除单元用于将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点，将数据点分为若干组，对若干组数据点分别进行直线拟合，根据拟合结果剔除掉部分数据点，将剔除后剩余的数据点对应的间隔时长作为训练样本，将训练样本数据传输到通信维护管理模块。

通信维护管理模块包括延时预测模型建立单元和通信维护预警单元，延时预测模型建立单元用于分析训练样本数据，建立电能表与缴费平台之间的通信延时预判模型，预测未来因停电而缴费的时间到复电时间的间隔时长，设置间隔时长阈值，分析间隔时长达到或超出阈值的时间，若间隔时长达到或超出阈值，判断电能表与缴费平台之间的通信延时异常，通信维护预警单元用于在预测的时间比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和间隔时长阈值，若实际间隔时长≥阈值，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<阈值，不发送警报信号。

实施例2：如图2所示，本实施例提供了一种用于智能电能表信息交互的大数据分析方法，其基于实施例中的大数据分析***实现，具体包括以下步骤：

Z1：在用户缴纳电费过程中进行电能表和缴费平台间的信息交互，在因欠费导致用户住处停电时，向用户终端发送停电缴费的通知信息，在用户收到通知并缴纳完成需要缴纳的电费后，将已缴费完成信息传输至智能电能表，控制智能电能表对用户住处进行复电；

Z2：采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息，采集用户以往n次因停电而缴费的时间，采集以往n次缴费完成后，用户住处复电的时间，获取到以往n次因停电而缴费的时间到复电时间的间隔时长集合为t={t₁，t₂，…，t_n}，采集到用户以往n次因停电而缴费时电能表已使用的时长集合为T={T₁，T₂，…，T_n}，T中的元素按从小到大的顺序排列；

例如：获取到以往10次因停电而缴费的时间到复电时间的间隔时长集合为t={t₁，t₂，t₃，t₄，t₅，t₆，t₇，t₈，t₉，t₁₀}={1，2，1，4，7，8，9，16，17，20}，单位为：小时，采集到用户以往10次因停电而缴费时电能表已使用的时长集合为T={T₁，T₂，T₃，T₄，T₅，T₆，T₇}={3，5，6，7，12，13，14，44，46，50}，单位为：月；

Z3：分析用于预判电能表和缴费平台间的通信延时情况的参考数据，对参考数据做剔除处理，将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点，生成数据点{（T₁，t₁），（T₂，t₂），…，（T_n，t_n）}，将数据点按顺序分为3组，获取到第一组数据点为{（T₁，t₁），（T₂，t₂），（T₃，t₃），（T₄，t₄）}={（3，1），（5，2），（6，1），（7，4）}，将第一组数据点进行直线拟合，建立拟合函数：，其中，ε1表示拟合偏置，δ表示截距，根据公式ε1=[f∑^f _i=1（T_i×t_i）-∑^f _i=1T_i∑^f _i=1t_i]/[f∑^f _i=1(T_i)²-(∑^f _i=1T_i)²]和δ=(∑^f _i=1t_i-ε1∑^f _i=1T_i)/f分别求解得到ε1≈0.57、δ≈-0.99，其中，T_i表示用户以往第i次因停电而缴费时电能表已使用的时长，t_i表示第i次因停电而缴费的时间到复电时间的间隔时长，对剩余2组数据点分别进行直线拟合，获取到3组拟合偏置集合为ε={ε1，ε2，ε3}={0.57，1，0.76}，若ε1、ε2、ε3都大于0，设置偏置阈值为M=0.7，ε1<M，将第一组数据点进行剔除；ε2>M、ε3>M，保留第2、3组数据点，获取到处理后剩余的数据点对应的间隔时长集合为U={U₁，U₂，U₃，U₄，U₅，U₆}={7，8，9，16，17，20}，将U中的间隔时长数据作为训练样本；

Z4：依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况；

Z5：对智能电能表和缴费平台间的信息交互进行通信维护管理，获取到U中的间隔时长分别对应第5到第10次因停电而缴费的时间到复电时间的间隔时长，建立电能表与缴费平台之间的通信延时预测模型：

；

其中，预测得到在第N_m次后第一次因停电而缴费的时间到复电时间的间隔时长为F_m+1，β表示加权系数，0<β<1，设置β=0.4，F_m表示第N_m次因停电而缴费的时间到复电时间的间隔时长指数平滑值，根据公式计算得到第N₁次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₁=7.6，根据公式计算得到第N₂次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₂=7.36，根据公式/>计算得到第N₃次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₃=7.6，依此类推计算得到F₇≈16，设置间隔时长阈值为J=22，比较F₇和J：F₇<J，继续预测在第6次后第二次、第三次，即第8、第9次因停电而缴费的时间到复电时间的间隔时长，直至预测得到的间隔时长≥J，若预测到在第7次后第R次因停电而缴费的时间到复电时间的间隔时长≥J，判断在第N_m次后第R次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值，在第N_m次后第R次因停电而缴费后，核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J，若实际间隔时长≥J，判断电能表与缴费平台之间的通信延时异常，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<J，不发送警报信号；

若F_m+1≥J，判断在第N_m次后第一次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值，在第N_m次后第一次因停电而缴费后，核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J，若实际间隔时长≥J，判断电能表与缴费平台之间的通信延时异常，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<J，不发送警报信号。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种用于智能电能表信息交互的大数据分析***，其特征在于：所述***包括：电能表信息交互模块、费控数据采集模块、数据库、参考数据剔除模块和通信维护管理模块；

所述电能表信息交互模块的输出端连接所述费控数据采集模块的输入端，所述费控数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述参考数据剔除模块的输入端，所述参考数据剔除模块的输出端连接所述通信维护管理模块的输入端；

通过所述电能表信息交互模块在用户缴纳电费过程中进行电能表和缴费平台间的信息交互；

通过所述费控数据采集模块采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息，将采集到的全部数据传输到所述数据库；

通过所述数据库存储接收到的全部数据；

通过所述参考数据剔除模块分析用于预判电能表和缴费平台间的通信延时情况的参考数据，对参考数据做剔除处理；

通过所述通信维护管理模块依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况，并进行通信维护管理；

所述参考数据剔除模块包括费控数据分析单元和训练样本剔除单元；

所述费控数据分析单元的输入端连接所述数据库的输出端，所述费控数据分析单元的输出端连接所述训练样本剔除单元的输入端；

所述费控数据分析单元用于分析用户以往因停电而缴费的时间到缴费完成后用户住处复电的时间的间隔时长；

所述训练样本剔除单元用于将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点，将数据点分为若干组，对若干组数据点分别进行直线拟合，根据拟合结果剔除掉部分数据点，将剔除后剩余的数据点对应的间隔时长作为训练样本，将训练样本数据传输到所述通信维护管理模块。

2.根据权利要求1所述的一种用于智能电能表信息交互的大数据分析***，其特征在于：所述电能表信息交互模块包括停电缴费通知单元、缴费信息传输单元和远程复电控制单元；

所述停电缴费通知单元的输出端连接所述缴费信息传输单元的输入端，所述缴费信息传输单元的输出端连接所述远程复电控制单元的输入端；

所述停电缴费通知单元用于在因欠费导致用户住处停电时，向用户终端发送停电缴费的通知信息；

所述缴费信息传输单元用于在用户收到通知并缴纳完成需要缴纳的电费后，将已缴费完成信息传输至智能电能表；

所述远程复电控制单元用于控制智能电能表对用户住处进行复电。

3.根据权利要求2所述的一种用于智能电能表信息交互的大数据分析***，其特征在于：所述费控数据采集模块包括缴费时间采集单元、复电时间采集单元和使用时长采集单元；

所述缴费时间采集单元的输入端连接所述远程复电控制单元的输出端，所述缴费时间采集单元、复电时间采集单元和使用时长采集单元的输出端连接所述数据库的输入端；

所述缴费时间采集单元用于采集用户以往因停电而缴费的时间信息；

所述复电时间采集单元用于采集用户以往缴费完成后，用户住处复电的时间信息；

所述使用时长采集单元用于采集用户以往因停电而缴费时电能表已使用的时长。

4.根据权利要求1所述的一种用于智能电能表信息交互的大数据分析***，其特征在于：所述通信维护管理模块包括延时预测模型建立单元和通信维护预警单元；

所述延时预测模型建立单元的输入端连接所述训练样本剔除单元的输出端，所述延时预测模型建立单元的输出端连接所述通信维护预警单元的输入端；

所述延时预测模型建立单元用于分析训练样本数据，建立电能表与缴费平台之间的通信延时预判模型，预测未来因停电而缴费的时间到复电时间的间隔时长，设置间隔时长阈值，分析间隔时长达到或超出阈值的时间，若间隔时长达到或超出阈值，判断电能表与缴费平台之间的通信延时异常；

所述通信维护预警单元用于在预测的时间比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和间隔时长阈值，若实际间隔时长≥阈值，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<阈值，不发送警报信号。

5.一种用于智能电能表信息交互的大数据分析方法，其特征在于：包括以下步骤：

Z1：在用户缴纳电费过程中进行电能表和缴费平台间的信息交互；

Z2：采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息；

Z3：分析用于预判电能表和缴费平台间的通信延时情况的参考数据，对参考数据做剔除处理；

Z4：依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况；

Z5：对智能电能表和缴费平台间的信息交互进行通信维护管理；

在步骤Z1中：在因欠费导致用户住处停电时，向用户终端发送停电缴费的通知信息，在用户收到通知并缴纳完成需要缴纳的电费后，将已缴费完成信息传输至智能电能表，控制智能电能表对用户住处进行复电；

在步骤Z2中：采集用户以往n次因停电而缴费的时间，采集以往n次缴费完成后，用户住处复电的时间，获取到以往n次因停电而缴费的时间到复电时间的间隔时长集合为t={t₁，t₂，…，t_n}，采集到用户以往n次因停电而缴费时电能表已使用的时长集合为T={T₁，T₂，…，T_n}，T中的元素按从小到大的顺序排列；

在步骤Z3中：将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点，生成数据点{（T₁，t₁），（T₂，t₂），…，（T_n，t_n）}，将数据点按顺序分为k组，获取到第一组数据点为{（T₁，t₁），（T₂，t₂），…，（T_f，t_f）}，其中，f表示第一组的数据点个数，将第一组数据点进行直线拟合，建立拟合函数：，其中，ε1表示拟合偏置，δ表示截距，根据下列公式分别求解ε1和δ：

ε1=[f∑^f _i=1（T_i×t_i）-∑^f _i=1T_i∑^f _i=1t_i]/[f∑^f _i=1(T_i)²-(∑^f _i=1T_i)²]；

δ=(∑^f _i=1t_i-ε1∑^f _i=1T_i)/f；

其中，T_i表示用户以往第i次因停电而缴费时电能表已使用的时长，t_i表示第i次因停电而缴费的时间到复电时间的间隔时长，对剩余k-1组数据点分别进行直线拟合，获取到k组拟合偏置集合为ε={ε1，ε2，…，εk}，比较ε1和0：若ε1≤0，将第一组数据点进行剔除；若ε1>0，设置偏置阈值为M，比较ε1和M：若ε1≤M，将第一组数据点进行剔除；若ε1>M，不剔除即保留第一组数据点，将剩余k-1组拟合偏置分别与0和M以相同方式进行一一比较，对剩余k-1组的数据点做剔除或保留处理，获取到处理后剩余的数据点对应的间隔时长集合为U={U₁，U₂，…，U_m}，其中，m表示处理后剩余的数据点数量，U包含于t，将U中的间隔时长数据作为训练样本。

6.根据权利要求5所述的一种用于智能电能表信息交互的大数据分析方法，其特征在于：在步骤Z4-Z5中：获取到U中的间隔时长分别对应第{N₁，N₂，…，N_m}次因停电而缴费的时间到复电时间的间隔时长，建立电能表与缴费平台之间的通信延时预测模型：

；

其中，预测得到在第N_m次后第一次因停电而缴费的时间到复电时间的间隔时长为F_m+1，β表示加权系数，0<β<1，F_m表示第N_m次因停电而缴费的时间到复电时间的间隔时长指数平滑值，根据公式计算得到第N₁次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₁，根据公式计算得到第N₂次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₂，根据公式/>计算得到第N₃次因停电而缴费的时间到复电时间的间隔时长指数平滑值F₃，依此类推计算得到F_m+1，设置间隔时长阈值为J，比较F_m+1和J：若F_m+1≥J，判断在第N_m次后第一次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值，在第N_m次后第一次因停电而缴费后，核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J，若实际间隔时长≥J，判断电能表与缴费平台之间的通信延时异常，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<J，不发送警报信号；

若F_m+1<J，继续预测在第N_m次后第二次、第三次因停电而缴费的时间到复电时间的间隔时长，直至预测得到的间隔时长≥J，若预测到在第N_m次后第R次因停电而缴费的时间到复电时间的间隔时长≥J，判断在第N_m次后第R次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值，在第N_m次后第R次因停电而缴费后，核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J，若实际间隔时长≥J，判断电能表与缴费平台之间的通信延时异常，发送警报信号至维护终端，提醒对电能表和缴费平台间的通信进行检查和维护；若实际间隔时长<J，不发送警报信号。