【技术实现步骤摘要】
本专利技术涉及电力人工智能运营平台，尤其涉及一种电力人工智能模型的计费方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、现阶段，各行各业都存在一定程度的智能算法工程化，并形成了一定的应用场景，这在一定程度上丰富了整个智能化生态环境；电力人工智能运营平台是集成多家模型算法，基于平台自有的硬件资源对企业或个人提供算法服务的一个平台。平台面向管理员、算法服务提供商及用户提供不同的服务模式；旨在推广并出售各种不同的电力领域的算法模型，比如：用于实现设备巡检、仪表数据识别或电力设备故障检测等的模块化算法模型。
3、目前，对于模块化算法模型的计费方式主要以季度为服务周期，分为一次性付费和后付费两种策略；其中，一次性付费策略为根据应用领域和开发成本确定模块化算法的基本定价，用户购买后一次性支付即可在服务周期内进行使用；后付费策略为单次使用后付费，系统根据调用次数和处理图像的数量累计计费，但是无法识别调用是否成功、图像处理是否完成或是否出现异常等情况，并且无法统计用户情况和资源调度情况，不能根据用户的需求和使用情况进行差异化的费用计算，也无法识别使用过程中出现的异常情况，导致计费不准确，降低了用户使用的积极性，不利于平台的运营。
4、另外，用户购买并使用算法模型后，平台会根据具体的计费金额进行结算，结算金额往往与计费金额一致，并未考虑到算法模型本身的预测精度以及用户的使用体验，这种费用结算方式对于购买者来说并不合理，同样会降低用户使用的积极性。>
技术实现思路
1、为了解决上述问题，本专利技术提出了一种电力人工智能模型的计费方法及系统，考虑用户及资源使用情况，对接入进来的模块化算法模型进行标准化定义，在进行单次计费时考虑模型成本、资源使用情况以及异常和折扣等情况，实现针对不同用户使用情况的差异化计费，保证了计费的合理性和准确性；同时在费用结算时，考虑了模型的预测精度和用户的使用评价，实现差异化的费用结算。
2、在一些实施方式中，采用如下技术方案：
3、一种电力人工智能模型的计费方法，包括：
4、接收调用的模块化算法模型，获取所述模型的属性数据、用户数据以及模型使用过程中的实时资源使用数据；
5、利用获取的数据，同时考虑费用的折扣比率以及出现任务异常的时间，进行模型调用的计费；
6、获取用户对模型调用过程的评分结果，以及所述模型效果的评估结果；基于两种结果得到最终成效值，基于最终成效值与设定目标值的关系确定费用结算的比例；基于计费金额和费用结算的比例，进行最终的费用结算。
7、其中，利用获取的数据，同时考虑费用的折扣比率以及出现任务异常的时间，进行模型调用的计费，具体为：
8、基于模型预置的成本数据及属性数据，计算初始费用；
9、获取使用所述模型的用户数据，包括：用户类型和使用频率；
10、实时获取用户使用所述模型的数据，包括：gpu资源使用时间、cpu资源使用时间、存储资源使用时间和出现任务异常的时间；
11、基于使用频率数据确定费用的折扣比率；基于出现任务异常的时间进行相应费用的调控；
12、基于初始费用、用户使用所述模型的实时数据以及费用的折扣比率，计算最终的费用信息。
13、进一步地，获取用户对模型调用过程的评分结果，以及所述模型效果的评估结果；基于两种结果得到最终成效值，具体为：
14、将用户反馈的评分结果和模型效果的评估结果进行归一化后，加权求和，得到最终的成效值；
15、其中，若用户反馈的评分结果与模型评分均值之间的差距大于设定阈值，则按照预定的规则下调用户评分结果在计算最终成效值时的权重。
16、按照最终成效值与设定目标值越接近，费用结算的比例越高的原则，预先确定不同的最终成效值与费用结算比例的对应关系；基于得到的最终成效值，结合所述对应关系，得到费用结算的比例。
17、在另一些实施方式中，采用如下技术方案：
18、一种电力人工智能模型的计费系统，包括：
19、数据获取模块，用于接收调用的模块化算法模型，获取所述模型的属性数据、用户数据以及模型使用过程中的实时资源使用数据；
20、计费模块，用于利用获取的数据，同时考虑费用的折扣比率以及出现任务异常的时间，进行模型调用的计费；
21、结算模块，用于获取用户对模型调用过程的评分结果，以及所述模型效果的评估结果；基于两种结果得到最终成效值，基于最终成效值与设定目标值的关系确定费用结算的比例；基于计费金额和费用结算的比例，进行最终的费用结算。
22、在另一些实施方式中，采用如下技术方案：
23、一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的电力人工智能模型的计费方法。
24、在另一些实施方式中，采用如下技术方案：
25、一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的电力人工智能模型的计费方法。
26、与现有技术相比，本专利技术的有益效果是：
27、(1)本专利技术提出了一种针对模块化算法模型的差异化计费方法，通过获取模块化算法模型的成本数据、属性数据以及用户的业务标签，同时考虑异常服务时间和费用折扣数据，对模块化算法模型的费用进行实时标准化计算，考虑用户具体使用情况的差异进行差异化的计费，实现了异常情况以及折扣比率的自动计算，根据不同用户的实际使用情况对算法模型进行差异化的计费，解决了现有电力人工智能运营平台计费方式不准确的问题，保证了用户单次使用模块化算法模型时的计费准确性和合理性。
28、(2)本专利技术提出了一种基于使用频率数据确定费用的折扣比率的计算方法，基于使用频率计算每一次使用模块化算法模型的迭代值，利用迭代值与所有迭代值之和的比值确定折扣比率，保证了折扣是依赖使用频次而趋于稳定的一个递降值，实现了折扣比率的自动计算，同时保证了计算的合理性。
29、(3)本专利技术提出了一种考虑模型成效和用户评价的阶梯式费用结算方法，费用结算时，根据模型成效和用户评价计算最终的成效值，基于成效值占目标值的比例关系进行阶梯式费用结算；实现了根据实际使用情况进行费用结算，解决了费用结算未考虑到算法模型本身的预测精度以及用户的使用体验的问题，保证了费用结算的合理性。
30、本专利技术的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
本文档来自技高网...【技术保护点】
1.一种电力人工智能模型的计费方法，其特征在于，包括：
2.如权利要求1所述的一种电力人工智能模型的计费方法，其特征在于，利用获取的数据，同时考虑费用的折扣比率以及出现任务异常的时间，进行模型调用的计费，具体为：
3.如权利要求2所述的一种电力人工智能模型的计费方法，其特征在于，计算初始费用的过程具体为：
4.如权利要求2所述的一种电力人工智能模型的计费方法，其特征在于，基于使用频率数据确定费用的折扣比率，具体为：
5.如权利要求2所述的一种电力人工智能模型的计费方法，其特征在于，基于出现任务异常的时间进行相应费用的调控，具体为：
6.如权利要求2所述的一种电力人工智能模型的计费方法，其特征在于，基于初始费用、用户使用所述模块化算法服务的实时数据以及费用的折扣，计算最终的费用信息，具体为：
7.如权利要求1所述的一种电力人工智能模型的计费方法，其特征在于，获取用户对模型调用过程的评分结果，以及所述模型效果的评估结果；基于两种结果得到最终成效值，具体为：
8.如权利要求1或7所述的一种电力人工智能模
9.如权利要求8所述的一种电力人工智能模型的计费方法，其特征在于，
10.如权利要求8所述的一种电力人工智能模型的计费方法，其特征在于，基于最终成效值与设定目标值的关系确定费用结算的比例，具体为：
11.一种电力人工智能模型的计费系统，其特征在于，包括：
12.一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-10任一项所述的电力人工智能模型的计费方法。
13.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-10任一项所述的电力人工智能模型的计费方法。
...【技术特征摘要】
1.一种电力人工智能模型的计费方法，其特征在于，包括：
2.如权利要求1所述的一种电力人工智能模型的计费方法，其特征在于，利用获取的数据，同时考虑费用的折扣比率以及出现任务异常的时间，进行模型调用的计费，具体为：
3.如权利要求2所述的一种电力人工智能模型的计费方法，其特征在于，计算初始费用的过程具体为：
4.如权利要求2所述的一种电力人工智能模型的计费方法，其特征在于，基于使用频率数据确定费用的折扣比率，具体为：
5.如权利要求2所述的一种电力人工智能模型的计费方法，其特征在于，基于出现任务异常的时间进行相应费用的调控，具体为：
6.如权利要求2所述的一种电力人工智能模型的计费方法，其特征在于，基于初始费用、用户使用所述模块化算法服务的实时数据以及费用的折扣，计算最终的费用信息，具体为：
7.如权利要求1所述的一种电力人工智能模型的计费方法，其特征在于，获取用户对模型调...
【专利技术属性】
技术研发人员：康涛，崔其会，袁弘，周大洲，陈天顺，胡存金，董德波，刘伟，刘丕玉，张克，杜彦清，王宇航，李崇照，王一哲，
申请(专利权)人：国网智能科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。