一种电力布设装置的数据高效处理方法与流程

本发明涉及电数字数据处理，尤其涉及一种电力布设装置的数据高效处理方法。

背景技术：

1、电力布设装置通常用于安装、布置、管理和监测电力设备的运行状态。在电力布设工程中，当完成电缆铺设之后，需要对电力系统中的电缆到配电箱、变压器等其他电力设备进行连接和调试工作，以通过对电力系统进行测试和调试，确保电力系统能够正常运行。其中，在对电力系统进行测试和调试的过程中，包括对电力系统中的各个电力布设装置节点的电力数据进行检测，但由于电力布设工程体系较为庞大，检测过程中各个电力布设装置采集的电力数据量较大，容易造成电力数据在传输过程中的丢失受损，因此，现有技术中，在对电力数据进行传输之前，通常采用游程编码对采集到的电力数据进行压缩处理，以提高电力数据的存储效率。

2、但是，当采集的电力数据出现异常波动时，利用游程编码进行数据压缩时会将异常波动的电力数据压缩平滑为正常幅度波动的电力数据，使得压缩后的电力数据精度存在一定程度受损，进而会导致后续基于压缩后的电力数据进行异常运行状态检测的效果差。

3、因此，如何提高对电力布设装置的电力数据进行数据压缩后的数据精度成为亟需解决的问题。

技术实现思路

1、有鉴于此，本发明实施例提供了一种电力布设装置的数据高效处理方法，以解决如何提高对电力布设装置的电力数据进行数据压缩后的数据精度的问题。

2、本发明实施例中提供了一种电力布设装置的数据高效处理方法，该方法包括以下步骤：

3、在电缆铺设完成之后，分别采集预设时段内的至少三个电力布设装置节点处的电缆电流时序数据；

4、针对任一电缆电流时序数据，根据所述电缆电流时序数据中的相邻数据点之间的变化差异，分别获取所述电缆电流时序数据中的每个数据点的疑似异常波动程度，根据所述每个数据点的疑似异常波动程度对所述电缆电流时序数据中的数据点进行筛选，得到至少一个疑似异常波动数据点；

5、根据所有疑似异常波动数据点在所述电缆电流时序数据中的位置间隔以及每个所述疑似异常波动数据点的疑似异常波动程度，获取所述电缆电流时序数据的初始异常程度，根据所有电缆电流时序数据之间的初始异常程度相似性，分别对每个所述电缆电流时序数据的初始异常程度进行优化，得到最终异常程度；

6、根据每个所述电缆电流时序数据的最终异常程度，分别对对应的电缆电流时序数据进行自适应数据压缩处理。

7、优选的，所述根据所述电缆电流时序数据中的相邻数据点之间的变化差异，分别获取所述电缆电流时序数据中的每个数据点的疑似异常波动程度，包括：

8、以时间为横轴，以电缆电流值为纵轴，构建所述电缆电流时序数据的二维直角坐标系；

9、针对所述电缆电流时序数据中除第一个数据点之外的任一数据点，在所述二维直角坐标系中分别获取所述数据点与前相邻数据点之间的第一直线斜率以及所述数据点与后相邻数据点之间的第二直线斜率，计算所述第一直线斜率和所述第二直线斜率之间的直线斜率差值绝对值；

10、在所述二维直角坐标系中，根据每个数据点与前相邻数据点之间的第一直线斜率，获取所述数据点的左侧中与所述数据点的第一直线斜率的正负属性不一致对应的第一个数据点作为第一目标数据点，根据每个数据点与后相邻数据点之间的第二直线斜率，获取所述数据点的右侧中与所述数据点的第二直线斜率的正负属性不一致对应的第一个数据点作为第二目标数据点；

11、分别获取所述数据点至所述第一目标数据点之间的每两个相邻数据点之间的欧式距离，得到第一欧式距离累加值，分别获取所述数据点至所述第二目标数据点之间的每两个相邻数据点之间的欧式距离，得到第二欧式距离累加值，计算所述第一欧式距离累加值与所述第二欧式距离累加值之间的平均值；

12、将所述直线斜率差值绝对值与所述平均值之间的乘积作为所述数据点的疑似异常波动程度。

13、优选的，所述电缆电流时序数据中的第一个数据点的疑似异常波动程度为0。

14、优选的，所述根据所述每个数据点的疑似异常波动程度对所述电缆电流时序数据中的数据点进行筛选，得到至少一个疑似异常波动数据点，包括：

15、获取预设的疑似异常波动程度阈值，若任一数据点的疑似异常波动程度大于或等于所述疑似异常波动程度阈值，则将所述数据点作为疑似异常波动数据点。

16、优选的，所述根据所有疑似异常波动数据点在所述电缆电流时序数据中的位置间隔以及每个所述疑似异常波动数据点的疑似异常波动程度，获取所述电缆电流时序数据的初始异常程度，包括：

17、根据每个所述疑似异常波动数据点的疑似异常波动程度，获取疑似异常波动程度之和以及疑似异常波动程度方差；

18、根据每个所述疑似异常波动数据点在所述电缆电流时序数据中的位置，获取每两个相邻疑似异常波动数据点之间的间隔距离，计算所有间隔距离之间的间隔距离方差，获取所述电缆电流时序数据中的第一个疑似异常波动数据点与最后一个疑似异常波动数据点之间的最大间隔距离；

19、获取所述最大间隔距离与所述电缆电流时序数据的数据长度之间的比值，将所述疑似异常波动程度方差和所述间隔距离方差之间的相加结果的相反数代入以自然常数e为底数的指数函数中，得到对应的指数函数结果；

20、将所述比值、所述指数函数结果和所述疑似异常波动程度之和之间的乘积作为所述电缆电流时序数据的初始异常程度。

21、优选的，所述根据所有电缆电流时序数据之间的初始异常程度相似性，分别对每个所述电缆电流时序数据的初始异常程度进行优化，得到最终异常程度，包括：

22、针对任一电缆电流时序数据，分别计算所述电缆电流时序数据与每个其他电缆电流时序数据之间的初始异常程度差值绝对值，获取最小的初始异常程度差值绝对值，以所述最小的初始异常程度差值绝对值为分母，以所述电缆电流时序数据的初始异常程度为分子，对应得到的比值作为所述电缆电流时序数据的最终异常程度。

23、优选的，所述根据每个所述电缆电流时序数据的最终异常程度，分别对对应的电缆电流时序数据进行自适应数据压缩处理，包括：

24、针对任一电缆电流时序数据，若所述电缆电流时序数据的最终异常程度大于或等于预设的异常程度阈值，则对所述电缆电流时序数据进行差分处理，得到对应的第一差分序列，对所述第一差分序列进行游程编码，得到压缩后的数据。

25、优选的，所述根据每个所述电缆电流时序数据的最终异常程度，分别对对应的电缆电流时序数据进行自适应数据压缩处理，还包括：

26、若所述电缆电流时序数据的最终异常程度小于所述异常程度阈值，则对所述电缆电流时序数据进行差分处理，得到对应的第二差分序列，针对所述第二差分序列中的任一差分值，获取所述差分值与左相邻差分值之间的第一差值绝对值以及所述差分值与右相邻差分值之间的第二差值绝对值，获取所述第一差值绝对值和所述第二差值绝对值之间的最小值，若所述最小值小于预设值，则将所述差分值转换为所述最小值对应的差分值；

27、遍历所述第二差分序列中的所有差分值，得到转换后的第二差分序列，对所述转换后的第二差分序列进行游程编码，得到压缩后的数据。

28、本发明实施例与现有技术相比存在的有益效果是：

29、本发明在电缆铺设完成之后，分别采集预设时段内的至少三个电力布设装置节点处的电缆电流时序数据；针对任一电缆电流时序数据，根据所述电缆电流时序数据中的相邻数据点之间的变化差异，分别获取所述电缆电流时序数据中的每个数据点的疑似异常波动程度，根据所述每个数据点的疑似异常波动程度对所述电缆电流时序数据中的数据点进行筛选，得到至少一个疑似异常波动数据点；根据所有疑似异常波动数据点在所述电缆电流时序数据中的位置间隔以及每个所述疑似异常波动数据点的疑似异常波动程度，获取所述电缆电流时序数据的初始异常程度，根据所有电缆电流时序数据之间的初始异常程度相似性，分别对每个所述电缆电流时序数据的初始异常程度进行优化，得到最终异常程度；根据每个所述电缆电流时序数据的最终异常程度，分别对对应的电缆电流时序数据进行自适应数据压缩处理。其中，对每个电力布设装置节点处的电缆电流时序数据进行异常数据分析，以确定对应电缆电流时序数据的初始异常程度，然后，根据电力布设装置节点之间的异常差异特征，对每个电力布设装置节点的电缆电流时序数据的初始异常程度进行优化，得到更加严谨的最终异常程度，进而根据最终异常程度，对存在异常风险的电缆电流时序数据进行无损压缩，对不存在异常风险的电缆电流时序数据进行有损压缩，通过对电缆电流时序数据进行自适应压缩，能够在提高压缩效率和数据压缩精度的同时，还提高了后续根据压缩后的数据进行异常运行状态检测的精度。