企业官网建设流程全解析

影刀RPA 电力抄表自动化：计量系统数据采集与用电分析

作者：林焱

一、什么情况用影刀处理抄表数据

电力公司、工厂园区、写字楼物业都面临同样的问题：有几十上百个电表，每月要人工抄录一遍，再手动录入用电管理系统。物业员工每月要花整整两天在这件事上。更糟的是，抄表人员偶尔手写失误，导致账单核对时出现差异。

用影刀对接能量管理系统（EMS/SCADA），可以实现：

• 每月自动从系统导出各表计的用电数据
• 与上月数据对比计算用电量，自动生成账单
• 异常用电量自动预警（某租户用电量突增50%）

二、实战一：从EMS系统批量采集抄表数据

大多数园区有能量管理平台（一般是B/S架构网页），里面存着每个表计的读数。

Step 1：登录EMS系统获取表计列表

【打开网页】URL：http://192.168.1.100/ems/login 【填写】#username 内容：${管理员账号} 【填写】#password 内容：${管理员密码} 【点击】#login-btn 【等待跳转到】/ems/dashboard

Step 2：遍历所有表计，采集本月末读数

# 进入表计管理页面yingdao.open_url('http://192.168.1.100/ems/meters/list')yingdao.wait_for_element('.meter-list')meters=yingdao.find_elements('.meter-row')meter_data=[]formeterinmeters:meter_id=meter.find_element('.meter-id').text meter_name=meter.find_element('.meter-name').text location=meter.find_element('.location').text# 点击进入该表计详情meter.find_element('.detail-link').click()yingdao.wait_for_element('.reading-history')# 获取最新读数![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/c1f8604f6ebc4da49cc097f51803e2bd.png#pic_center)latest_reading=yingdao.find_element('.latest-reading-value').text reading_time=yingdao.find_element('.latest-reading-time').text meter_data.append({'表计ID':meter_id,'表计名称':meter_name,'安装位置':location,'本月末读数':float(latest_reading),'采集时间':reading_time,})yingdao.go_back()yingdao.wait(0.5)print(f"共采集{len(meter_data)}个表计数据")

三、实战二：计算用电量并生成账单

importpandasaspdfromdatetimeimportdatetime# 读取本月采集数据df_current=pd.DataFrame(meter_data)df_current.to_excel('C:\\电力\\本月读数.xlsx',index=False)# 读取上月数据df_previous=pd.read_excel('C:\\电力\\上月读数.xlsx')# 合并计算用电量df_merged=df_current.merge(df_previous,on='表计ID',suffixes=('_本月','_上月'))df_merged['本月用电量（度）']=df_merged['本月末读数_本月']-df_merged['本月末读数_上月']# 电价配置（可从Excel读入）electricity_price=0.85# 元/度，实际应分用电类型（峰谷平）df_merged['本月电费（元）']=df_merged['本月用电量（度）']*electricity_price df_merged['本月电费（元）']=df_merged['本月电费（元）'].round(2)# 异常检测：用电量环比增幅超过50%df_previous_prev=pd.read_excel('C:\\电力\\上上月读数.xlsx')df_3months=df_merged.merge(df_previous_prev,on='表计ID',suffixes=('','_上上月'))df_3months['上月用电量']=df_3months['本月末读数_上月']-df_3months['本月末读数_上上月']df_3months['环比增幅']=(df_3months['本月用电量（度）']-df_3months['上月用电量'])/df_3months['上月用电量']*100# 找出异常表计anomalies=df_3months[df_3months['环比增幅']>50]

发送异常预警：

如果 len(anomalies) > 0： 【发送企业微信消息】 收件人：物业经理 内容：⚡ 用电异常预警：${len(anomalies)}个表计本月用电量环比增幅超过50% 详情：${anomalies[['表计名称','安装位置','环比增幅']].to_string()}

四、实战三：生成租户用电账单

# 读取租户与表计对应关系tenant_meter=pd.read_excel('C:\\电力\\租户表计对照.xlsx')# 字段：租户名称, 表计ID列表（多个ID用逗号分隔）# 按租户汇总bills=[]for_,rowintenant_meter.iterrows():tenant=row['租户名称']meter_ids=[m.strip()forminstr(row['表计ID']).split(',')]# 汇总该租户所有表计tenant_usage=df_merged[df_merged['表计ID'].isin(meter_ids)]total_kwh=tenant_usage['本月用电量（度）'].sum()total_fee=tenant_usage['本月电费（元）'].sum()bills.append({'租户':tenant,'用电量（度）':total_kwh,'电费（元）':round(total_fee,2),'账期':f"{datetime.now().year}年{datetime.now().month}月"})bills_df=pd.DataFrame(bills)bills_df.to_excel('C:\\电力\\账单汇总.xlsx',index=False)

五、踩坑记录

坑1：电表读数有小数位精度问题
电表读数精确到小数点后2位，直接用float相减会有浮点误差（0.1+0.2≠0.3）。计算时先转为整数（*100），最后再除以100。

坑2：换表后读数清零
表计更换时，本月初读数会比上月末读数小，导致计算出负用电量。需要在流程中判断：如果本月末读数 < 上月末读数，说明换表，改用"本月末读数"（从0开始计）作为用电量。

坑3：EMS系统在月末数据延迟
有些EMS平台月末结算数据要延迟到次月1日才入库。抄表流程建议设在每月2日运行，而不是31日。

坑4：多电价制（峰谷平）计费
工商业用电有峰谷平三档电价，EMS系统应该分别记录了峰段、谷段、平段的用电量。汇总时分别乘以对应单价，不能统一用一个电价。

适用人群：物业管理员、园区能源管理、电力公司抄表员

难度：⭐⭐⭐（需要了解EMS系统和用电计费规则）