电能计量设备需求预测方法、装置和计算机设备

技术领域

本申请涉及计算机技术领域，特别是涉及一种电能计量设备需求预测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

目前，各电网公司的电能计量设备需求管理主要由各地市供电公司或供电所对电能计量设备需求进行预测形成需用计划，经过逐级上报、审批，由省级计量中心平衡后完成设备配送。因此，电能计量设备需求预测的准确性直接影响采购、配送、安装等环节的工作质量和效率。

传统方法中，主要基于往年安装量，依靠人工经验进行估算。但这种方法存在随意性和盲目性，需求量预测准确性不高，且需要多层级汇总、审核、上报，流程时间长，耗时耗力，上报的需求与实际需求容易产生时间差，从而造成后续电能计量设备采购、配送、仓储成本增加。

发明内容

基于此，有必要针对电能量计量电能计量设备需求预测不准确的技术问题，提供一种电能计量设备需求预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种电能计量设备需求预测方法。所述方法包括：

确定预测时间区间内的设备需求类型；所述设备需求类型包括第一需求类型和第二需求类型；

获取所述第一需求类型的设备需求信息，以及获取所述预测时间区间内和/或所述预测时间区间之前的历史时间段内，所述第二需求类型在预设的需求影响因素下的实际影响信息；

根据所述设备需求信息，确定所述第一需求类型在所述预测时间区间内的第一设备需求量；根据所述第二需求类型对应的实际影响信息，确定所述第二需求类型在所述预测时间区间内的第二设备需求量；

基于所述第一设备需求量和所述第二设备需求量，得到所述预测时间区间内的总设备需求量。

在其中一个实施例中，所述获取所述第一需求类型的设备需求信息，包括：

获取所述第一需求类型的当前需求工单；所述当前需求工单包括多个工单；

根据所述当前需求工单，确定每个需求工单的当前处理环节；

根据所述当前处理环节，确定所述每个需求工单对应的完成工单时间点；

将所述当前需求工单和所述完成工单时间点作为所述第一需求类型的设备需求信息。

在其中一个实施例中，所述根据所述当前处理环节，确定所述每个需求工单完成需求时对应的完成工单时间点，包括：

获取每个处理环节到所述完成工单时间点的平均历史处理时长；

根据所述当前处理环节和对应的平均历史处理时长，确定所述每个需求工单完成需求时对应的完成工单时间点。

在其中一个实施例中，所述根据所述设备需求信息，确定所述第一需求类型在所述预测时间区间内的第一设备需求量，包括：

从所述当前需求工单中筛选出所述完成工单时间点在所述预测时间区间内的目标需求工单；

根据所述目标需求工单，确定所述第一需求类型在所述预测时间区间内的第一设备需求量。

在其中一个实施例中，所述第二需求类型包括设备更换需求类型；所述设备更换需求类型对应的需求影响因素为设备周期更换计划；所述根据所述第二需求类型对应的实际影响信息，确定所述第二需求类型在所述预测时间区间内的第二设备需求量，包括：

根据所述设备更换需求类型对应的所述预测时间区间内实际设备周期更换计划，确定所述设备更换需求类型在所述预测时间区间内的第二设备需求量。

在其中一个实施例中，所述第二需求类型还包括零散业务需求类型；所述零散业务需求类型对应的需求影响因素为零散业务统计信息；所述根据所述第二需求类型对应的实际影响信息，确定所述第二需求类型在所述预测时间区间内的第二设备需求量，包括：

将所述零散业务需求类型对应的所述预测时间区间内和所述历史时间段内实际零散业务统计信息，输入零散业务需求预测模型，得到所述零散业务需求类型在所述预测时间区间内的第二设备需求量。

在其中一个实施例中，所述第二需求类型还包括设备故障需求类型；所述设备故障需求类型对应的需求影响因素为不同工作时长的设备故障情况；所述根据所述第二需求类型对应的实际影响信息，确定所述第二需求类型在所述预测时间区间内的第二设备需求量，包括：

获取在当前时刻仍在工作的设备数量，作为在所述预测时间区间内仍在工作的设备的设备数量；

确定每个仍在工作的设备工作至所述预测时间区间时的累计工作时长；

根据所述设备数量、所述累计工作时长和所述设备故障需求类型对应的所述历史时间段内不同工作时长的设备故障情况，确定所述设备故障需求类型在所述预测时间区间内的第二设备需求量。

第二方面，本申请还提供了一种电能计量设备需求预测装置。所述装置包括：

需求类型确定模块，用于确定预测时间区间内的设备需求类型；所述设备需求类型包括第一需求类型和第二需求类型；

信息获取模块，用于获取所述第一需求类型的设备需求信息，以及获取所述预测时间区间内和/或所述预测时间区间之前的历史时间段内，所述第二需求类型在预设的需求影响因素下的实际影响信息；

需求量预测模块，用于根据所述设备需求信息，确定所述第一需求类型在所述预测时间区间内的第一设备需求量；根据所述第二需求类型对应的实际影响信息，确定所述第二需求类型在所述预测时间区间内的第二设备需求量；

总需求量确定模块，用于基于所述第一设备需求量和所述第二设备需求量，得到所述预测时间区间内的总设备需求量。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

确定预测时间区间内的设备需求类型；所述设备需求类型包括第一需求类型和第二需求类型；

获取所述第一需求类型的设备需求信息，以及获取所述预测时间区间内和/或所述预测时间区间之前的历史时间段内，所述第二需求类型在预设的需求影响因素下的实际影响信息；

根据所述设备需求信息，确定所述第一需求类型在所述预测时间区间内的第一设备需求量；根据所述第二需求类型对应的实际影响信息，确定所述第二需求类型在所述预测时间区间内的第二设备需求量；

基于所述第一设备需求量和所述第二设备需求量，得到所述预测时间区间内的总设备需求量。

第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

确定预测时间区间内的设备需求类型；所述设备需求类型包括第一需求类型和第二需求类型；

获取所述第一需求类型的设备需求信息，以及获取所述预测时间区间内和/或所述预测时间区间之前的历史时间段内，所述第二需求类型在预设的需求影响因素下的实际影响信息；

根据所述设备需求信息，确定所述第一需求类型在所述预测时间区间内的第一设备需求量；根据所述第二需求类型对应的实际影响信息，确定所述第二需求类型在所述预测时间区间内的第二设备需求量；

基于所述第一设备需求量和所述第二设备需求量，得到所述预测时间区间内的总设备需求量。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

确定预测时间区间内的设备需求类型；所述设备需求类型包括第一需求类型和第二需求类型；

获取所述第一需求类型的设备需求信息，以及获取所述预测时间区间内和/或所述预测时间区间之前的历史时间段内，所述第二需求类型在预设的需求影响因素下的实际影响信息；

根据所述设备需求信息，确定所述第一需求类型在所述预测时间区间内的第一设备需求量；根据所述第二需求类型对应的实际影响信息，确定所述第二需求类型在所述预测时间区间内的第二设备需求量；

基于所述第一设备需求量和所述第二设备需求量，得到所述预测时间区间内的总设备需求量。

上述电能计量设备需求预测方法、装置、计算机设备、存储介质和计算机程序产品，通过区分不同的设备需求类型，并针对性地获取相应的影响因素信息，预测出不同设备需求类型在预测时间区间内的设备需求量。从而得到准确的设备需求量预测结果，提高设备的使用效率和降低设备的管理成本。

附图说明

图1为一个实施例中电能计量设备需求预测方法的流程示意图；

图2为一个实施例中第一需求类型的设备需求信息获取步骤的流程示意图；

图3为一个实施例中设备故障需求类型的第二设备需求量确定步骤的流程示意图；

图4为另一个实施例中电能计量设备需求预测方法的完整流程示意图；

图5为一个实施例中电能计量设备需求预测装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种电能计量设备需求预测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤101，确定预测时间区间内的设备需求类型；设备需求类型包括第一需求类型和第二需求类型。

其中，预测时间区间可以是某个月或某个季度等。

其中，第一需求类型可以是批量业务需求类型；第二需求类型包括设备更换需求类型、零散业务需求类型和设备故障需求类型。

需要说明的是，第一需求类型为处理周期长的需求类型；第二需求类型为处理周期短的需求类型。

示例性地，用户根据实际需求确定出需要预测设备需求量的预测时间区间，可以是下个月，也可以是下个季度等；并且根据实际需求确定出预测时间区间内需要进行电能计量设备需求预测的设备需求类型。

步骤102，获取第一需求类型的设备需求信息，以及获取预测时间区间内和/或预测时间区间之前的历史时间段内，第二需求类型在预设的需求影响因素下的实际影响信息。

其中，历史时间段可以是预测时间区间的历史同期时间区间。例如，预测时间区间为今年11月份，则历史时间段可以为去年11月份。

示例性地，因为第一需求类型为处理周期长的需求类型，所以需要基于第一需求类型的当前实际设备需求进行需求完成时间的预测；而第二需求类型为处理周期短的需求类型，第二需求类型的当前实际设备需求可以很快地处理完成，并不需要进行需求完成时间的预测，而是进行需求量的预测。因此，对于第一需求类型，可以是从业务（或营销）系统中获取到与当前实际设备需求相关联的设备需求信息；对于第二需求类型，可以是根据用户输入或者数据库查询获取到与预测时间区间和/或历史时间段相关联的需求影响因素。

步骤103，根据设备需求信息，确定第一需求类型在预测时间区间内的第一设备需求量；根据第二需求类型对应的实际影响信息，确定第二需求类型在预测时间区间内的第二设备需求量。

示例性地，根据与当前实际设备需求相关联的设备需求信息，得到第一需求类型的每个当前实际需求的需求预测完成时间，再基于每个当前实际需求的需求预测完成时间确定在预测时间区间内的第一设备需求量；以及，根据与需求量相关联的需求影响因素下的实际影响信息，通过第二需求类型对应的方法确定出第二需求类型在预测时间区间内的第二设备需求量。

步骤104，基于第一设备需求量和第二设备需求量，得到预测时间区间内的总设备需求量。

示例性地，将上述步骤得到的第一设备需求量与第二设备需求量相加，得到在预测时间区间内的总设备需求量，并展示给用户以帮助用户提前进行设备需求的申请采购等。需要说明的是，上述第一设备需求量和第二设备需求量可以是区分开不同类别的设备分别统计得到的，也可以是全部类别的设备总量统计得到的。

上述电能计量设备需求预测方法中，通过区分不同的设备需求类型，并针对性地获取相应的影响因素信息，预测出不同设备需求类型在预测时间区间内的设备需求量。从而得到准确的设备需求量预测结果，提高设备的使用效率和降低设备的管理成本。

在一个实施例中，如图2所示，上述步骤102获取第一需求类型的设备需求信息，还可以通过以下步骤实现：

步骤201，获取第一需求类型的当前需求工单；当前需求工单包括多个工单；

步骤202，根据当前需求工单，确定每个需求工单的当前处理环节；

步骤203，根据当前处理环节，确定每个需求工单对应的完成工单时间点；

步骤204，将当前需求工单和完成工单时间点作为第一需求类型的设备需求信息。

其中，每个需求工单从下单到工单完成之间有多个处理环节；进一步地，每个需求工单只有在最后的工单完成才需要用到对应的设备，在工单完成前的处理环节可以认为是设备的准备环节。

示例性地，可以从业务系统中查询获取到第一需求类型的当前需求工单，并且确定每个需求工单的当前处理环节，例如业务受理环节或合同签订环节等。然后根据每个需求工单的当前处理环节，计算每个需求工单的预测完成工单时间点。将每个需求工单与各自对应的预测完成工单时间点进行整合之后，作为第一需求类型在预测时间区间内进行需求量预测所需的设备需求信息。

本实施例中，通过获取到处理周期长的第一需求类型的当前需求工单，进行需求工单完成时间的预测，并以此作为第一需求类型在预测时间区间内进行需求量预测所需的数据信息。使得第一需求类型的需求量预测方法更切合实际，得到更准确、更具有实用性的需求量预测结果。

在一个实施例中，上述步骤203根据当前处理环节，确定每个需求工单对应的完成工单时间点，还可以通过以下步骤实现：

步骤一，获取每个处理环节到完成工单时间点的平均历史处理时长；

步骤二，根据当前处理环节和对应的平均历史处理时长，确定每个需求工单完成需求时对应的完成工单时间点。

示例性地，从数据库中查询到历史需求工单信息，然后基于历史需求工单信息统计得到需求工单的每个处理环节到完成工单时间点的平均处理时长。例如，业务受理环节到工单完成环节的平均处理时长为t1，合同签订环节到工单完成环节的平均处理时长为t2；需要说明的是，假设业务受理环节的下一环节为合同签订环节，则t1所表示的处理时长包含了t2所表示的处理时长。接着根据每个需求工单所处的当前处理环节对应平均处理时长，从当前的电能计量设备需求预测执行时间为起点进行计算，确定出每个需求工单的预测完成工单时间点。

本实施例中，通过历史数据统计得到需求工单每个处理环节到工单完成环节之间的平均处理时长，进而确定出当前的每个需求工单的预测完成工单时间点。可以避免由于处理周期长，使得第一需求类型的需求预测不准确。

在一个实施例中，上述步骤103根据设备需求信息，确定第一需求类型在预测时间区间内的第一设备需求量，还可以通过以下步骤实现：

步骤一，从当前需求工单中筛选出完成工单时间点在预测时间区间内的目标需求工单；

步骤二，根据目标需求工单，确定第一需求类型在预测时间区间内的第一设备需求量。

示例性地，根据第一需求类型的当前需求工单以及对应的预测完成工单时间点，筛选出预测完成工单时间点在预测时间区间内的目标需求工单，然后根据目标需求工单中的工单内容（即设备需求数量），累计计算得到第一需求类型在预测时间区间内的第一设备需求量。举例说明，A工单的设备需求量为3台且预测完成工单时间点为11月3日，B工单的设备需求量为4台且预测完成工单时间点为12月1号，C工单的设备需求量为5台且预测完成工单时间点为11月18号，并且预测时间区间为11月份；则A工单和C工单为目标需求工单，第一需求类型在预测时间区间内的第一设备需求量为8（3+5）台。需要说明的是，每个需求工单至少有一种类别的设备，因此不同的类别的设备可以根据实际情况分开计算各自对应的需求量，也可以累加计算全部类别的设备的总需求量。

本实施例中，通过预测当前需求工单的完成工单时间点，实现对当前工单的需求时间预测匹配，能够根据实际业务进行准确的需求预测。

在一个实施例中，第二需求类型包括设备更换需求类型；设备更换需求类型对应的需求影响因素为设备周期更换计划，上述步骤103根据第二需求类型对应的实际影响信息，确定第二需求类型在预测时间区间内的第二设备需求量，还可以通过以下步骤实现：

根据设备更换需求类型对应的预测时间区间内实际设备周期更换计划，确定设备更换需求类型在预测时间区间内的第二设备需求量。

示例性地，设备更换需求类型可以为项目中设备的周期批量更换，其对应的设备周期更换计划，具有预见性强的特点，因此直接基于在预测时间区间内的实际设备周期更换计划，可以确定出设备更换需求类型在预测时间区间内的第二设备需求量。需要说明的是，设备周期更换计划中至少有一种类别的设备，因此不同的类别的设备可以根据实际情况分开计算各自对应的需求量，也可以累加计算全部类别的设备的总需求量。

在一个实施例中，第二需求类型还包括零散业务需求类型；零散业务需求类型对应的需求影响因素为零散业务统计信息；上述步骤103根据第二需求类型对应的实际影响信息，确定第二需求类型在预测时间区间内的第二设备需求量，还可以通过以下步骤实现：

将零散业务需求类型对应的预测时间区间内和历史时间段内实际零散业务统计信息，输入零散业务需求预测模型，得到零散业务需求类型在预测时间区间内的第二设备需求量。

其中，实际零散业务统计信息包括用户近期搜索次数、最近的零散业务量、季节指数和经济指数等。

示例性地，查询用户近期对零散业务的搜索次数以及最近的零散业务量，同时根据预测时间区间所处的季节获取到季节指数，并且可以通过用户的输入或者根据网络中的相关信息，确定出当前的经济指数；将上述零散业务统计信息输入到用户提前选取并训练完成的零散业务需求预测模型（可以是公开的机器学习模型，例如线性回归模型和神经网络模型等），零散业务需求预测模型的输出即为零散业务需求类型在预测时间区间内的第二设备需求量。需要说明的是，零散业务需求业务中至少有一种类别的设备，因此不同的类别的设备可以根据实际情况分开计算各自对应的需求量，也可以累加计算全部类别的设备的总需求量。

本实施例中，通过将零散业务统计信息输入零散业务需求预测模型，得到零散业务需求类型在预测时间区间内的第二设备需求量。因为零散业务统计信息中包括用户搜索次数、季节指数和经济指数等信息，可以准确反映出当前用户的需求和社会环境等，从而可以得到准确地预测需求量。

在一个实施例中，第二需求类型还包括设备故障需求类型；设备故障需求类型对应的需求影响因素为不同工作时长的设备故障情况；如图3所示，上述步骤103根据第二需求类型对应的实际影响信息，确定第二需求类型在预测时间区间内的第二设备需求量，还可以通过以下步骤实现：

步骤301，获取在当前时刻仍在工作的设备数量，作为在预测时间区间内仍在工作的设备的设备数量；

步骤302，确定每个仍在工作的设备工作至预测时间区间时的累计工作时长；

步骤303，根据设备数量、累计工作时长和设备故障需求类型对应的历史时间段内不同工作时长的设备故障情况，确定设备故障需求类型在预测时间区间内的第二设备需求量。

示例性地，查询数据库确定出当前仍在工作的设备数量，作为在预测时间区间内设备故障需求类型的需求预测的数据依据；同时需要获取到基于历史数据预先统计得到的设备故障率。其中，设备故障率的统计会考虑到设备的工作时长，举例说明，用户需要预先划分设备工作时长的区间，可以是1年以下、1-3年和3年以上；假设预测时间区间为今年11月份，则可以统计去年同期11月份或去年同期第四季度，不同工作时长的设备的故障率，得到工作时长1年以下设备的故障率、工作时长1-3年设备的故障率和工作时长3年以上设备的故障率。然后确定出当前每个仍在工作设备的工作时长，确定出每种工作时长区间对应的设备数量，然后通过故障率计算得到每种工作时长区间对应设备的预测故障数量。将所有工作时长区间对应的预测故障数量相加，得到设备故障需求类型在预测时间区间内的第二设备需求量。需要说明的是，设备故障需求中至少有一种类别的设备，因此不同的类别的设备可以根据实际情况分开计算各自对应的需求量，也可以累加计算全部类别的设备的总需求量。相应的，不同类别的设备需要各自独立统计对应的故障率，同时不同类别的设备的工作时长区间划分可以不同。

本实施例中，通过考虑不同工作时长的设备对应有不同故障率，根据故障率与工作时长的趋势关系，预测设备故障需求类型的需求量，得到准确率更高的预测结果。

在另一个实施例中，如图4所示，提供了一种电能计量设备需求预测方法，包括以下步骤：

步骤401，确定预测时间区间内的设备需求类型；设备需求类型包括第一需求类型和第二需求类型。

步骤402，获取第一需求类型的当前需求工单；当前需求工单包括多个工单。

步骤403，根据当前需求工单，确定每个需求工单的当前处理环节；获取每个处理环节到完成工单时间点的平均历史处理时长。

步骤404，根据当前处理环节和对应的平均历史处理时长，确定每个需求工单完成需求时对应的完成工单时间点。

步骤405，从当前需求工单中筛选出完成工单时间点在预测时间区间内的目标需求工单。

步骤406，根据目标需求工单，确定第一需求类型在预测时间区间内的第一设备需求量。

步骤407，第二需求类型包括设备更换需求类型，针对设备更换需求类型：获取设备更换需求类型对应的需求影响因素，即为设备周期更换计划。

步骤408，根据设备更换需求类型对应的预测时间区间内实际设备周期更换计划，确定设备更换需求类型在预测时间区间内的第二设备需求量。

步骤409，第二需求类型还包括零散业务需求类型，针对零散业务需求类型：获取零散业务需求类型对应的需求影响因素，即为零散业务统计信息。

步骤410，将零散业务需求类型对应的预测时间区间内和历史时间段内实际零散业务统计信息，输入零散业务需求预测模型，得到零散业务需求类型在预测时间区间内的第二设备需求量。

步骤411，第二需求类型还包括设备故障需求类型，针对设备故障需求类型：获取设备故障需求类型对应的需求影响因素，即为不同工作时长的设备故障情况。

步骤412，获取在当前时刻仍在工作的设备数量，作为在预测时间区间内仍在工作的设备的设备数量，并确定每个仍在工作的设备工作至预测时间区间时的累计工作时长。

步骤413，根据设备数量、累计工作时长和设备故障需求类型对应的历史时间段内不同工作时长的设备故障情况，确定设备故障需求类型在预测时间区间内的第二设备需求量。

步骤414，基于第一设备需求量和第二设备需求量，得到预测时间区间内的总设备需求量。

为了便于本领域技术人员理解本申请实施例，以下结合具体示例对本申请进行说明。在本示例中，上述电能计量设备需求预测方法应用于电网系统中的电能计量设备需求预测中，其中，

电能计量设备的第一需求类型是批量业务需求类型，具体为低压批量新装；第二需求类型中的设备更换需求类型具体为计量设备周期轮换；第二需求类型中的零散业务需求类型具体为除低压批量新装以外的其他业扩安装业务，包括高压新装、高压增减容、改类、临时用电、低压居民新装、低压非居民新装、低压居民增容、低压居民减容等；第二需求类型中的设备故障需求类型具体为计量设备故障更换。

假设预测时间区间为2022年11月份。

上述步骤402和步骤403中，从业务/营销管理系统中查询到当前的低压批量新装需求工单以及每个需求工单对应的当前处理环节。其中，处理环节分为业务受理环节、勘察派工环节……批量签订供用电合同环节和最后的计量设备批量配备环节（即需要实际需要用到计量设备的环节，可以认为是工单完成）。然后从业务/营销管理系统中查询最近一年的已完成的低压批量新装需求工单，统计并计算每个环节到计量设备批量配备环节之间的平均处理时长，例如业务受理环节到计量装置批量配备环节之间的平均处理时长计为L1，勘察派工环节到计量设备批量配备环节之间的平均处理时长计为L2（第i个环节到计量设备批量配备环节之间的平均处理时长计为Li）。

上述步骤404中，根据当前的低压批量新装需求工单以及每个需求工单对应的当前处理环节，由当前现实的时间加上对应环节到计量设备批量配备环节之间的平均处理时长，计算得到每个需求工单的预测完成工单时间点（比如工单A的预测完成工单时间点是2022年11月25日，B工单的测完成工单时间点是2022年12月12日，C工单的测完成工单时间点是2022年11月22日）。

上述步骤405中，通过对比每个需求工单的预测完成工单时间点和预测时间区间，筛选出预测完成工单时间点在预测时间区间内的目标需求工单，例如上述工单A和工单C为目标需求工单，工单B则不是目标需求工单。

上述步骤406中，根据目标需求工单中的具体内容确定出每个目标需求工单的设备需求量。需要说明的是，需求工单中所需的设备有多种类别，可以基于需求工单的具体内容进行单独计算。例如工单A的内容表示供电方案规定计量方式为直接接入式，则电能表设备需求量为1，低压电流互感器设备需求量为0；工单C的内容表示供电方案规定计量方式为经互感器接入，则电能表设备需求量为1，低压电流互感器设备需求量为3。最终的低压批量新装需求的第一需求量可以区分设备类别进行累计（电能表设备需求量为2，低压电流互感器设备需求量为3），也可以全部一起累计（电能计量设备需求量为5）。

上述步骤407和步骤408中，从数据库中查询到设备周期更换计划，直接计算得到设备更换需求类型在预测时间区间内的第二设备需求量。其中，周期更换计划可以由用户提前设定。设备更换需求类型的第二设备需求量也可以区分设备类别进行累计或全部一起累计。

上述步骤409和步骤410中，因为零散业务需求类型的工单处理周期短，对当前的工单进行时间的预测意义不大。因此需要通过将与零散业务需求相关联的零散业务统计信息输入机器学习模型进行预测得到零散业务需求类型在预测时间区间内的第二设备需求量。例如，零散统计信息为最近1个月客户在用电报装客户端对零散业务的搜索次数、季节指数、前3年零散业务工单数量和经济指数等，机器学习模型可以是指数平滑模型、回归分析模型、灰色预测模型和神经网络模型等。在使用模型预测的时候可以将设备的类别区分来单独预测每个类别的设备需求量，也可以不考虑设备的类别直接预测设备需求总量。

上述步骤411中，查询得到去年同期（即2021年11月）的工作设备数量和故障设备数量，并基于用户预设的工作时长区间计算对应的设备故障率，不同类别的设备的工作时长区间需要分别设定，相应的故障率也需要分别计算。例如，电能表设备的工作时长区间为：工作时长≤1年、1年＜工作时长≤3年、3年＜工作时长≤5年、5年＜工作时长≤10年和工作时长＞10年；计量终端设备的工作时长区间为：工作时长≤1年、1年＜工作时长≤3年、3年＜工作时长≤5年、5年＜工作时长≤6年和工作时长＞6年；互感器设备的工作时长区间为：工作时长≤5年、5年＜工作时长≤15年和工作时长＞15年。

上述步骤413中，设备故障需求类型的第二设备需求量也可以区分设备类别进行累计或全部一起累计。

本实施例中，通过不同需求类型和不同设备类别进行需求预测：批量业务需求类型的需求预测时，根据系统中各需求工单所处环节与计量设备批量配备环节的时长来进行需求量的预测，因工单所处环节能直接、准确体现设备需求的时间，所以得到的预测结果更准确；零散业务需求类型的需求预测时，将客户在用电报装客户端对零散业务的搜索次数作为机器学习预测模型的输入量，因搜索次数能在一定程度上预测客户的业务需求，从而能得到准确的预测需求量；故障更换需求类型的需求预测时，考虑不同工作时长下设备的故障率不一样，根据故障率与工作时长的趋势关系，预测故障更换的设备数量，准确率更高。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电能计量设备需求预测方法的电能计量设备需求预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电能计量设备需求预测装置实施例中的具体限定可以参见上文中对于电能计量设备需求预测方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种电能计量设备需求预测装置，包括：需求类型确定模块501、信息获取模块502、需求量预测模块503和总需求量确定模块504，其中：

需求类型确定模块501，用于确定预测时间区间内的设备需求类型；设备需求类型包括第一需求类型和第二需求类型；

信息获取模块502，用于获取第一需求类型的设备需求信息，以及获取预测时间区间内和/或预测时间区间之前的历史时间段内，第二需求类型在预设的需求影响因素下的实际影响信息；

需求量预测模块503，用于根据设备需求信息，确定第一需求类型在预测时间区间内的第一设备需求量；根据第二需求类型对应的实际影响信息，确定第二需求类型在预测时间区间内的第二设备需求量；

总需求量确定模块504，用于基于第一设备需求量和第二设备需求量，得到预测时间区间内的总设备需求量。

在一个实施例中，上述信息获取模块502还用于，获取第一需求类型的当前需求工单；当前需求工单包括多个工单；根据当前需求工单，确定每个需求工单的当前处理环节；根据当前处理环节，确定每个需求工单对应的完成工单时间点；将当前需求工单和完成工单时间点作为第一需求类型的设备需求信息。

在一个实施例中，上述信息获取模块502还用于，获取每个处理环节到完成工单时间点的平均历史处理时长；根据当前处理环节和对应的平均历史处理时长，确定每个需求工单完成需求时对应的完成工单时间点。

在一个实施例中，上述需求量预测模块503还用于，从当前需求工单中筛选出完成工单时间点在预测时间区间内的目标需求工单；根据目标需求工单，确定第一需求类型在预测时间区间内的第一设备需求量。

在一个实施例中，第二需求类型包括设备更换需求类型；设备更换需求类型对应的需求影响因素为设备周期更换计划；上述需求量预测模块503还用于，根据设备更换需求类型对应的预测时间区间内实际设备周期更换计划，确定设备更换需求类型在预测时间区间内的第二设备需求量。

在一个实施例中，第二需求类型还包括零散业务需求类型；零散业务需求类型对应的需求影响因素为零散业务统计信息；上述需求量预测模块503还用于，将零散业务需求类型对应的预测时间区间内和历史时间段内实际零散业务统计信息，输入零散业务需求预测模型，得到零散业务需求类型在预测时间区间内的第二设备需求量。

在一个实施例中，第二需求类型还包括设备故障需求类型；设备故障需求类型对应的需求影响因素为不同工作时长的设备故障情况；上述需求量预测模块503还用于，获取在当前时刻仍在工作的设备数量，作为在预测时间区间内仍在工作的设备的设备数量；确定每个仍在工作的设备工作至预测时间区间时的累计工作时长；根据设备数量、累计工作时长和设备故障需求类型对应的历史时间段内不同工作时长的设备故障情况，确定设备故障需求类型在预测时间区间内的第二设备需求量。

上述电能计量设备需求预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储需求工单数据和设备运行数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电能计量设备需求预测方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。