技术领域
[0001]本发明涉及电数字数据处理技术领域,具体涉及一种低功耗的电能数据采集管理系统。
背景技术
[0002]电网是否安全运行往往关系着企业生产和民生,判断电网是否安全运行时往往需要对参与电网的电路的运行状态进行监测。电能数据可以是影响电路运行状态的与电相关的数据,例如,电能数据可以是电流。因此,可以通过采集的预设时间段内大量的电能数据,对参与电网的电路的运行状态进行监测。由于采集的电能数据的数量比较多,为了减少存储空间的占用,往往需要对采集的电能数据进行压缩。目前,对数据进行压缩存储时,通常采用的方式为:通过传感器,采集数据,基于LZ77算法,对采集的数据进行压缩存储。
[0003]然而,当基于LZ77算法,对采集的电能数据进行压缩存储时,经常会存在如下技术问题:
由于每一时刻采集的电能数据往往是实时变化的,所以采用LZ77算法,对采集的电能数据进行压缩时,滑动窗口内的电能数据与前向缓冲区内对应的电能数据不相同的可能性往往比较大,因此采用LZ77算法,对采集的电能数据进行压缩时,往往导致对采集的电能数据进行压缩的力度不够大,从而导致对采集的电能数据进行压缩的效率较低,进而导致存储时占用较多的空间,从而导致对采集的电能数据进行存储的效率较低。
发明内容
[0004]本发明的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
[0005]为了解决对电能数据进行压缩存储的效率较低的技术问题,本发明提出了一种低功耗的电能数据采集管理系统。
[0006]本发明提供了一种低功耗的电能数据采集管理系统,该系统包括:
数据获取模块,用于获取待监测电路的电能数据集合;
自适应分段模块,用于对所述电能数据集合进行自适应分段,得到电能数据组集合;
异常程度分析模块,用于对所述电能数据组集合中的每个电能数据组进行异常程度分析处理,得到所述电能数据组对应的目标异常程度;
确定模块,用于在每个电能数据组中预先设置每个电能数据对应的目标滑窗,根据所述电能数据对应的目标滑窗和所述电能数据所在的电能数据组对应的目标异常程度,确定所述电能数据对应的数据异常程度;
相似度分析模块,用于根据每个电能数据对应的数据异常程度,对所述电能数据对应的目标滑窗与目标滑窗之后的电能数据进行相似度分析处理,得到所述电能数据对应的数据相似度;
相似插入更新模块,用于根据每个电能数据组中的各个电能数据对应的数据相似度,对所述电能数据组进行相似插入更新处理,确定所述电能数据组对应的电能相似数据组,得到电能相似数据组集合;
压缩存储模块,用于根据LZ77算法,通过目标滑窗,对所述电能相似数据组集合进行压缩存储。
[0007]进一步地,所述对所述电能数据集合进行自适应分段,得到电能数据组集合,包括:
根据电能数据的采集时间,对所述电能数据集合中的电能数据进行排序,得到电能数据序列;
对于所述电能数据序列中的每个电能数据,根据所述电能数据和所述电能数据的下一个电能数据在目标坐标系下的坐标,确定所述电能数据和所述电能数据的下一个电能数据之间的斜率的绝对值,作为所述电能数据对应的目标斜率,其中,目标坐标系是以电能数据的采集时间为横轴,以电能数据为纵轴的坐标系;
当所述电能数据序列中的电能数据对应的目标斜率大于预先设置的斜率阈值时,将电能数据,确定为异常电能数据;
当所述电能数据序列中的电能数据对应的目标斜率小于或等于斜率阈值时,将电能数据,确定为平稳电能数据;
将所述电能数据序列中位置连续的异常电能数据,组合为电能数据组;
将所述电能数据序列中位置连续的平稳电能数据,组合为电能数据组。
[0008]进一步地,所述对所述电能数据组集合中的每个电能数据组进行异常程度分析处理,得到所述电能数据组对应的目标异常程度,包括:
确定所述电能数据组中异常电能数据的数量,作为所述电能数据组对应的第一数量;
将所述电能数据组中的电能数据对应的目标斜率的均值,确定为所述电能数据组对应的第一斜率均值;
将所述电能数据组对应的第一数量和第一斜率均值的乘积,确定为所述电能数据组对应的第一异常程度;
对所述电能数据组对应的第一异常程度进行归一化,得到所述电能数据组对应的目标异常程度。
[0009]进一步地,所述根据所述电能数据对应的目标滑窗和所述电能数据所在的电能数据组对应的目标异常程度,确定所述电能数据对应的数据异常程度,包括:
将所述电能数据对应的目标滑窗内的各个电能数据,确定为滑窗电能数据,得到所述电能数据对应的滑窗电能数据序列;
对于所述电能数据对应的滑窗电能数据序列中的每个滑窗电能数据,将所述滑窗电能数据与所述滑窗电能数据对应的参考数据的差值的绝对值,确定为所述滑窗电能数据对应的第一差异指标,其中,所述滑窗电能数据对应的参考数据是第一数据序列中对应的序号与所述滑窗电能数据在滑窗电能数据序列中的序号相同的电能数据,第一数据序列是电能数据组中所述电能数据对应的滑窗电能数据序列之后的电能数据组成的序列;
对于所述电能数据对应的滑窗电能数据序列中的每个滑窗电能数据,将所述滑窗电能数据对应的第一差异指标与目标斜率的乘积,确定为所述滑窗电能数据对应的第二差异指标;
将所述电能数据对应的滑窗电能数据序列中的各个滑窗电能数据对应的第二差异指标的和,确定为所述电能数据对应的第三差异指标;
将所述电能数据对应的第三差异指标与所述电能数据所在的电能数据组对应的目标异常程度的乘积,确定为所述电能数据对应的第四差异指标;
对于所述电能数据对应的滑窗电能数据序列中的每个滑窗电能数据,将所述滑窗电能数据与所述滑窗电能数据对应的参考数据的比值,确定为所述滑窗电能数据对应的第一比值;
对于所述电能数据对应的滑窗电能数据序列中的每个滑窗电能数据,将常数1与所述滑窗电能数据对应的第一比值的差值的绝对值,确定为所述滑窗电能数据对应的第五差异指标;
将所述电能数据对应的滑窗电能数据序列中的各个滑窗电能数据对应的第五差异指标的和,确定为所述电能数据对应的第六差异指标;
将所述电能数据对应的第四差异指标和第六差异指标的乘积,确定为所述电能数据对应的数据异常程度。
[0010]进一步地,所述根据每个电能数据对应的数据异常程度,对所述电能数据对应的目标滑窗与目标滑窗之后的电能数据进行相似度分析处理,得到所述电能数据对应的数据相似度,包括:
将所述电能数据对应的滑窗电能数据序列中的各个滑窗电能数据对应的第一差异指标的和,确定为所述电能数据对应的第七差异指标;
将所述电能数据对应的第七差异指标和数据异常程度的乘积,确定为所述电能数据对应的第八差异指标;
将所述电能数据对应的第八差异指标的相反数,确定为所述电能数据对应的第一相反数;
将自然常数的所述电能数据对应的第一相反数次幂,确定为所述电能数据对应的数据相似度。
[0011]进一步地,所述根据每个电能数据组中的各个电能数据对应的数据相似度,对所述电能数据组进行相似插入更新处理,确定所述电能数据组对应的电能相似数据组,包括:
根据所述电能数据组中的第一个电能数据对应的数据相似度,对所述电能数据组进行更新,得到所述电能数据组中的第一个电能数据对应的第一相似数据组;
根据所述电能数据组中的第一个电能数据对应的第一相似数据组和所述电能数据组中的第二个电能数据对应的数据相似度,对所述电能数据组中的第一个电能数据对应的第一相似数据组进行更新,得到所述电能数据组中的第二个电能数据对应的第二相似数据组;
根据所述电能数据组中的第二个电能数据对应的第二相似数据组和所述电能数据组中的第三个电能数据对应的数据相似度,对所述电能数据组中的第二个电能数据对应的第二相似数据组进行更新,得到所述电能数据组中的第三个电能数据对应的第三相似数据组,以此类推,确定所述电能数据组中的各个电能数据对应相似数据组,将所述电能数据组中的最后一个电能数据对应的相似数据组,确定为所述电能数据组对应的电能相似数据组。
[0012]进一步地,所述根据所述电能数据组中的第一个电能数据对应的数据相似度,对所述电能数据组进行更新,得到所述电能数据组中的第一个电能数据对应的第一相似数据组,包括:
当所述电能数据组中的第一个电能数据对应的数据相似度大于预先设置的相似阈值时,判断所述电能数据组中的第一个电能数据对应的滑窗电能数据序列中的滑窗电能数据与滑窗电能数据对应的参考数据是否相同,当滑窗电能数据与滑窗电能数据对应的参考数据不相同时,在滑窗电能数据对应的参考数据的前面插入与滑窗电能数据相同的数据,将进行数据插入后的电能数据组,确定为所述电能数据组中的第一个电能数据对应的第一相似数据组;
当所述电能数据组中的第一个电能数据对应的数据相似度小于或等于相似阈值时,将所述电能数据组,确定为所述电能数据组中的第一个电能数据对应的第一相似数据组。
[0013]进一步地,所述根据所述电能数据组中的第一个电能数据对应的第一相似数据组和所述电能数据组中的第二个电能数据对应的数据相似度,对所述电能数据组中的第一个电能数据对应的第一相似数据组进行更新,得到所述电能数据组中的第二个电能数据对应的第二相似数据组,包括:
将所述电能数据组更新为所述电能数据组中的第一个电能数据对应的第一相似数据组;
当所述电能数据组中的第二个电能数据对应的数据相似度大于相似阈值时,判断所述电能数据组中的第二个电能数据对应的滑窗电能数据序列中的滑窗电能数据与滑窗电能数据对应的参考数据是否相同,当滑窗电能数据与滑窗电能数据对应的参考数据不相同时,在滑窗电能数据对应的参考数据的前面插入与滑窗电能数据相同的数据,将进行数据插入后的电能数据组,确定为所述电能数据组中的第二个电能数据对应的第二相似数据组;
当所述电能数据组中的第二个电能数据对应的数据相似度小于或等于相似阈值时,将所述电能数据组中的第二个电能数据,确定为所述电能数据组中的第二个电能数据对应的第二相似数据组。
[0014]本发明具有如下有益效果:
本发明的一种低功耗的电能数据采集管理系统,通过对电能数据集合进行电数字数据处理,解决了对电能数据进行压缩存储效率较低的技术问题,提高了对电能数据进行压缩存储的效率。首先,通过数据获取模块实现获取待监测电路的电能数据集合。可以便于后续对电能数据集合进行压缩存储。接着,通过自适应分段模块实现对上述电能数据集合进行自适应分段,得到电能数据组集合。对电能数据集合进行自适应分段,可以便于后续对电能数据组进行精确处理。然后,通过异常程度分析模块实现对上述电能数据组集合中的每个电能数据组进行异常程度分析处理,得到上述电能数据组对应的目标异常程度。一般来说,如果电能数据组发生了异常,则待监测电路往往可能在该电能数据组对应的采集时长内发生了异常,因此对电能数据组进行异常程度分析处理,可以便于对待监测电路的运行状态进行监测。继续,通过确定模块实现在每个电能数据组中预先设置每个电能数据对应的目标滑窗,根据上述电能数据对应的目标滑窗和上述电能数据所在的电能数据组对应的目标异常程度,确定上述电能数据对应的数据异常程度。综合考虑电能数据对应的目标滑窗和电能数据所在的电能数据组对应的目标异常程度,可以提高电能数据对应的数据异常程度确定的准确度。之后,通过相似度分析模块实现根据每个电能数据对应的数据异常程度,对上述电能数据对应的目标滑窗与目标滑窗之后的电能数据进行相似度分析处理,得到上述电能数据对应的数据相似度。一般来说,采用LZ77算法,对采集的电能数据进行压缩时,如果目标滑窗内的电能数据与前向缓冲区内对应的电能数据相同,则此时往往可以实现对目标滑窗内的电能数据与前向缓冲区内对应的电能数据的最大限度的压缩。因此对电能数据对应的目标滑窗与目标滑窗之后的电能数据进行相似度分析处理,可以便于确定对目标滑窗内的电能数据与前向缓冲区内对应的电能数据进行压缩的压缩程度。而后,通过相似插入更新模块实现根据每个电能数据组中的各个电能数据对应的数据相似度,对上述电能数据组进行相似插入更新处理,确定上述电能数据组对应的电能相似数据组,得到电能相似数据组集合。最后,通过压缩存储模块实现根据LZ77算法,通过目标滑窗,对上述电能相似数据组集合进行压缩存储。由于进行相似插入更新处理后,可以提高电能数据组中目标滑窗内的电能数据与前向缓冲区内对应的电能数据的相似程度,因此,后续通过LZ77算法和目标滑窗,对电能相似数据组集合进行压缩存储时,相较于直接对电能数据集合进行压缩存储,往往提高了压缩存储的效率。
附图说明
[0015]为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
[0016]图1为根据本发明的一种低功耗的电能数据采集管理系统的结构示意图;
图2为根据本发明的电能数据组和目标滑窗示意图;
图3为根据本发明的电能数据组更新过程示意图。
[0017]其中,附图标记包括:滑动窗口201、第一电能数据组301和第二电能数据组302。
具体实施方式
[0018]为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0019]除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0020]本发明提供了一种低功耗的电能数据采集管理系统,该系统包括:
数据获取模块,用于获取待监测电路的电能数据集合;
自适应分段模块,用于对电能数据集合进行自适应分段,得到电能数据组集合;
异常程度分析模块,用于对电能数据组集合中的每个电能数据组进行异常程度分析处理,得到电能数据组对应的目标异常程度;
确定模块,用于在每个电能数据组中预先设置每个电能数据对应的目标滑窗,根据电能数据对应的目标滑窗和电能数据所在的电能数据组对应的目标异常程度,确定电能数据对应的数据异常程度;
相似度分析模块,用于根据每个电能数据对应的数据异常程度,对电能数据对应的目标滑窗与目标滑窗之后的电能数据进行相似度分析处理,得到电能数据对应的数据相似度;
相似插入更新模块,用于根据每个电能数据组中的各个电能数据对应的数据相似度,对电能数据组进行相似插入更新处理,确定电能数据组对应的电能相似数据组,得到电能相似数据组集合;
压缩存储模块,用于根据LZ77算法,通过目标滑窗,对电能相似数据组集合进行压缩存储。
[0021]参考
图1,示出了根据本发明的一种低功耗的电能数据采集管理系统的结构示意图。该低功耗的电能数据采集管理系统,包括:
数据获取模块101,用于获取待监测电路的电能数据集合。
[0022]在一些实施例中,可以获取待监测电路的电能数据集合。
[0023]其中,待监测电路可以是待进行运行状态监测的电路。例如,电路的运行状态可以是平稳运行或异常运行。当电路稳定时,可以认为电路平稳运行。当电路发生故障或短路引起电能数据较大波动时,可以认为电路异常运行。电能数据集合中的电能数据可以是影响电路运行状态的与电相关的数据。例如,电能数据集合中的电能数据可以是电流。电能数据集合中的电能数据可以是待监测电路一段时间内的电流。其中,待监测电路可以是某小区的电路。
[0024]需要说明的是,若待监测电路平稳运行,则电能数据集合中的电能数据之间的差异往往较小,电能数据的变化往往比较平稳稳定。若待监测电路异常运行,则电能数据集合中的电能数据之间的差异往往较大,电能数据的变化波动往往较大。因此采集电能数据集合,可以便于后续根据电能数据的变化波动,对待监测电路运行状态进行监测。由于电能数据集合中电能数据的数量往往比较多,因此获取待监测电路的电能数据集合,可以便于后续对电能数据集合进行压缩存储。
[0025]作为示例,可以通过电流传感器,从2023年01月17日00时00分开始至2023年01月17日24时00分结束,每隔3秒采集一次小区的总电流,作为电能数据,得到电能数据集合。
[0026]自适应分段模块102,用于对电能数据集合进行自适应分段,得到电能数据组集合。
[0027]在一些实施例中,可以对上述电能数据集合进行自适应分段,得到电能数据组集合。
[0028]作为示例,本步骤可以包括以下步骤:
第一步,根据电能数据的采集时间,对上述电能数据集合中的电能数据进行排序,得到电能数据序列。
[0029]第二步,对于上述电能数据序列中的每个电能数据,根据上述电能数据和上述电能数据的下一个电能数据在目标坐标系下的坐标,确定上述电能数据和上述电能数据的下一个电能数据之间的斜率的绝对值,作为上述电能数据对应的目标斜率。
[0030]其中,目标坐标系可以是以坐标(0,0)为原点,以电能数据的采集时间为横轴,以电能数据为纵轴的坐标系。
[0031]例如,对于上述电能数据序列中的第一个电能数据,可以根据第一个电能数据和第二个电能数据在目标坐标系下的坐标,确定第一个电能数据和第二个电能数据之间的斜率的绝对值,作为第一个电能数据对应的目标斜率。
[0032]第三步,当上述电能数据序列中的电能数据对应的目标斜率大于预先设置的斜率阈值时,将电能数据,确定为异常电能数据。
[0033]其中,斜率阈值可以是预先设置的电能数据稳定时,所允许的最大的目标斜率。例如,斜率阈值可以是0.2。
[0034]需要说明的是,异常电能数据可以是波动变化较大的电能数据,较大的波动变化可能是由于待监测电路进行异常运行引起的。因此,异常电能数据往往可能是待监测电路进行异常运行时,产生的异常的电能数据。
[0035]第四步,当上述电能数据序列中的电能数据对应的目标斜率小于或等于斜率阈值时,将电能数据,确定为平稳电能数据。
[0036]需要说明的是,平稳电能数据可以是波动变化较小,比较平稳的电能数据。因此,平稳电能数据往往可能是待监测电路进行平稳运行时,产生的稳定的电能数据。
[0037]第五步,将上述电能数据序列中位置连续的异常电能数据,组合为电能数据组。
[0038]第六步,将上述电能数据序列中位置连续的平稳电能数据,组合为电能数据组。
[0039]例如,电能数据序列可以为{第一平稳电能数据,第二平稳电能数据,第三平稳电能数据,第一异常电能数据,第二异常电能数据,第三异常电能数据,第四异常电能数据,第四平稳电能数据,第五平稳电能数据,第六平稳电能数据}。其中,第一平稳电能数据,第二平稳电能数据和第三平稳电能数据是位置连续的平稳电能数据,可以组成一个电能数据组。第一异常电能数据,第二异常电能数据,第三异常电能数据和第四异常电能数据是位置连续的异常电能数据,可以组成一个电能数据组。第四平稳电能数据,第五平稳电能数据和第六平稳电能数据是位置连续的平稳电能数据,可以组成一个电能数据组。
[0040]需要说明的是,若待监测电路平稳运行,则电能数据集合中的电能数据之间的差异往往较小,电能数据的变化往往比较平稳。电能数据对应的目标斜率越大,往往说明电能数据的波动越大,往往说明电能数据的变化越不平稳。因此电能数据对应的目标斜率越大,往往说明电能数据可能发生了异常。根据电能数据对应的目标斜率,将电能数据序列分割为电能数据组,可以便于后续对电能数据组进行精确处理。
[0041]异常程度分析模块103,用于对电能数据组集合中的每个电能数据组进行异常程度分析处理,得到电能数据组对应的目标异常程度。
[0042]在一些实施例中,可以对上述电能数据组集合中的每个电能数据组进行异常程度分析处理,得到上述电能数据组对应的目标异常程度。
[0043]作为示例,本步骤可以包括以下步骤:
第一步,确定上述电能数据组中异常电能数据的数量,作为上述电能数据组对应的第一数量。
[0044]其中,当电能数据组由平稳电能数据组成时,电能数据组中异常电能数据的数量为0。当电能数据组由异常电能数据组成时,电能数据组中元素的数量可以等于电能数据组中异常电能数据的数量。
[0045]第二步,将上述电能数据组中的电能数据对应的目标斜率的均值,确定为上述电能数据组对应的第一斜率均值。
[0046]第三步,将上述电能数据组对应的第一数量和第一斜率均值的乘积,确定为上述电能数据组对应的第一异常程度。
[0047]第四步,对上述电能数据组对应的第一异常程度进行归一化,得到上述电能数据组对应的目标异常程度。
[0048]例如,确定电能数据组对应的目标异常程度对应的公式可以为:
其中,
是上述电能数据组集合中的第
r个电能数据组对应的目标异常程度。
r是上述电能数据组集合中电能数据组的序号。
是上述电能数据组集合中的第
r个电能数据组中异常电能数据的数量,也就是第
r个电能数据组对应的第一数量。
是上述电能数据组集合中的第
r个电能数据组中电能数据的数量。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据和第
i+1个电能数据之间的斜率。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的目标斜率。
i是第
r个电能数据组中电能数据的序号。
是上述电能数据组集合中的第
r个电能数据组中的电能数据对应的目标斜率的均值,也就是第
r个电能数据组对应的第一斜率均值。
是上述电能数据组集合中的第
r个电能数据组对应的第一异常程度。
是对
进行归一化。
是
的绝对值。
[0049]需要说明的是,
越大,往往说明第
r个电能数据组中异常电能数据的数量越多,往往说明第
r个电能数据组中的电能数据之间的差异越大。
越大,往往说明第
r个电能数据组中的电能数据之间数据波动越大。一般来说,在不进行电路维修的情况下,若电能数据之间数据波动差异较大,则电路可能发生了故障。因此,
越大,往往说明后续对待监测电路进行监测时,第
r个电能数据组往往越重要。并且
可以实现对
进行归一化,可以使目标异常程度的取值范围为[0,1],可以便于后续处理。
[0050]确定模块104,用于在每个电能数据组中预先设置每个电能数据对应的目标滑窗,根据电能数据对应的目标滑窗和和电能数据所在的电能数据组对应的目标异常程度,确定电能数据对应的数据异常程度。
[0051]在一些实施例中,可以在每个电能数据组中预先设置每个电能数据对应的目标滑窗,根据上述电能数据对应的目标滑窗和上述电能数据所在的电能数据组对应的目标异常程度,确定上述电能数据对应的数据异常程度。
[0052]其中,目标滑窗可以是预先设置的一维滑动窗口。例如,目标滑窗可以是1×6的滑动窗口。电能数据对应的数据异常程度可以表征该电能数据对应的目标滑窗内的电能数据的异常程度。当滑动窗口滑动至电能数据时,可以将此时的滑动窗口作为该电能数据对应的目标滑窗。如
图2所示,滑动窗口201已滑动至C,可以将滑动窗口201作为C对应的目标滑窗。
图2中的A、B、C、a、b、c和d可以是电能数据。
[0053]作为示例,本步骤可以包括以下步骤:
第一步,在每个电能数据组中预先设置每个电能数据对应的目标滑窗。
[0054]例如,可以将每个电能数据对应的目标滑窗设置为1×6的滑动窗口。
[0055]第二步,将上述电能数据对应的目标滑窗内的各个电能数据,确定为滑窗电能数据,得到上述电能数据对应的滑窗电能数据序列。
[0056]第三步,对于上述电能数据对应的滑窗电能数据序列中的每个滑窗电能数据,将上述滑窗电能数据与上述滑窗电能数据对应的参考数据的差值的绝对值,确定为上述滑窗电能数据对应的第一差异指标。
[0057]其中,上述滑窗电能数据对应的参考数据可以是第一数据序列中对应的序号与上述滑窗电能数据在滑窗电能数据序列中的序号相同的电能数据。第一数据序列可以是电能数据组中上述电能数据对应的滑窗电能数据序列之后的电能数据组成的序列。
[0058]例如,如
图2所示,由于滑动窗口201可以是C对应的目标滑窗,所以C对应的滑窗电能数据序列可以为{A,B,C},A、B、C在该滑窗电能数据序列中的序号可以分别为1、2、3。第一数据序列可以是{a,b,c,d,d}。a、b、c、d、d在该第一数据序列中的序号可以分别为1、2、3、4、5。由于A与a、B与b、C与c的序号相同,所以A对应的参考数据可以是a、B对应的参考数据可以是b、C对应的参考数据可以是c。其中,A、B、C、a、b、c和d可以是电能数据。
[0059]第四步,对于上述电能数据对应的滑窗电能数据序列中的每个滑窗电能数据,将上述滑窗电能数据对应的第一差异指标与目标斜率的乘积,确定为上述滑窗电能数据对应的第二差异指标。
[0060]第五步,将上述电能数据对应的滑窗电能数据序列中的各个滑窗电能数据对应的第二差异指标的和,确定为上述电能数据对应的第三差异指标。
[0061]第六步,将上述电能数据对应的第三差异指标与上述电能数据所在的电能数据组对应的目标异常程度的乘积,确定为上述电能数据对应的第四差异指标。
[0062]第七步,对于上述电能数据对应的滑窗电能数据序列中的每个滑窗电能数据,将上述滑窗电能数据与上述滑窗电能数据对应的参考数据的比值,确定为上述滑窗电能数据对应的第一比值。
[0063]第八步,对于上述电能数据对应的滑窗电能数据序列中的每个滑窗电能数据,将常数1与上述滑窗电能数据对应的第一比值的差值的绝对值,确定为上述滑窗电能数据对应的第五差异指标。
[0064]第九步,将上述电能数据对应的滑窗电能数据序列中的各个滑窗电能数据对应的第五差异指标的和,确定为上述电能数据对应的第六差异指标。
[0065]第十步,将上述电能数据对应的第四差异指标和第六差异指标的乘积,确定为上述电能数据对应的数据异常程度。
[0066]例如,确定电能数据对应的数据异常程度对应的公式可以为:
其中,
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的数据异常程度。
r是上述电能数据组集合中电能数据组的序号。
i是第
r个电能数据组中电能数据的序号。
是上述电能数据组集合中的第
r个电能数据组对应的目标异常程度。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中滑窗电能数据的数量。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据对应的目标斜率。
j是第
i个电能数据对应的滑窗电能数据序列中滑窗电能数据的序号。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据对应的参考数据。
是
的绝对值。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据对应的第一差异指标。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据对应的第二差异指标。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的第三差异指标。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的第四差异指标。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据对应的第一比值。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据对应的第五差异指标。
是
的绝对值。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的第六差异指标。
[0067]需要说明的是,电能数据对应的数据异常程度可以表征该电能数据对应的滑窗电能数据序列中的各个滑窗电能数据与对应的参考数据之间的差异程度。
越大,往往说明第
r个电能数据组中电能数据之间的差异越大。
越大,往往说明第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的各个滑窗电能数据与对应的参考数据之间的差异越大。
越趋向于0,往往说明第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据与对应的参考数据之间的差异越小。因此,
越大,往往说明第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的各个滑窗电能数据与对应的参考数据之间的差异越大,往往说明第
i个电能数据对应的滑窗电能数据序列中的滑窗电能数据对应的参考数据越具有分析价值,往往说明越不可以改变第
i个电能数据对应的滑窗电能数据序列中的滑窗电能数据对应的参考数据的变化趋势。
[0068]相似度分析模块105,用于根据每个电能数据对应的数据异常程度,对电能数据对应的目标滑窗与目标滑窗之后的电能数据进行相似度分析处理,得到电能数据对应的数据相似度。
[0069]在一些实施例中,可以根据每个电能数据对应的数据异常程度,对上述电能数据对应的目标滑窗与目标滑窗之后的电能数据进行相似度分析处理,得到上述电能数据对应的数据相似度。
[0070]作为示例,本步骤可以包括以下步骤:
第一步,将上述电能数据对应的滑窗电能数据序列中的各个滑窗电能数据对应的第一差异指标的和,确定为上述电能数据对应的第七差异指标。
[0071]第二步,将上述电能数据对应的第七差异指标和数据异常程度的乘积,确定为上述电能数据对应的第八差异指标。
[0072]第三步,将上述电能数据对应的第八差异指标的相反数,确定为上述电能数据对应的第一相反数。
[0073]第四步,将自然常数的上述电能数据对应的第一相反数次幂,确定为上述电能数据对应的数据相似度。
[0074]例如,确定电能数据对应的数据相似度对应的公式可以为:
其中,
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的数据相似度。
r是上述电能数据组集合中电能数据组的序号。
i是第
r个电能数据组中电能数据的序号。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的数据异常程度。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中滑窗电能数据的数量。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据。
j是第
i个电能数据对应的滑窗电能数据序列中滑窗电能数据的序号。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据对应的参考数据。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的第
j个滑窗电能数据对应的第一差异指标。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的第七差异指标。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的第八差异指标。
是上述电能数据组集合中的第
r个电能数据组中的第
i个电能数据对应的第一相反数。
是自然常数的
次幂。
是
的绝对值。
[0075]需要说明的是,电能数据对应的数据相似度可以表征该电能数据对应的滑窗电能数据序列中的各个滑窗电能数据与对应的参考数据之间的相似程度。当
越小时,往往说明第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的各个滑窗电能数据与对应的参考数据之间的差异越小,因此后续对第
i个电能数据对应的滑窗电能数据序列中的滑窗电能数据对应的参考数据进行数据插入时,往往越不会改变第
i个电能数据对应的滑窗电能数据序列中的滑窗电能数据对应的参考数据的变化趋势。
越小,往往说明第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的各个滑窗电能数据与对应的参考数据之间的变化越小。因此,当
越大时,往往说明第
r个电能数据组中的第
i个电能数据对应的滑窗电能数据序列中的各个滑窗电能数据与对应的参考数据之间的相似程度越大,因此后续对第
i个电能数据对应的滑窗电能数据序列中的滑窗电能数据对应的参考数据进行数据插入时,往往越不会改变第
i个电能数据对应的滑窗电能数据序列中的滑窗电能数据对应的参考数据的变化趋势,进行后续数据插入的影响往往越小。
[0076]相似插入更新模块106,用于根据每个电能数据组中的各个电能数据对应的数据相似度,对电能数据组进行相似插入更新处理,确定电能数据组对应的电能相似数据组,得到电能相似数据组集合。
[0077]在一些实施例中,可以根据每个电能数据组中的各个电能数据对应的数据相似度,对上述电能数据组进行相似插入更新处理,确定上述电能数据组对应的电能相似数据组,得到电能相似数据组集合。
[0078]作为示例,本步骤可以包括以下步骤:
第一步,根据上述电能数据组中的第一个电能数据对应的数据相似度,对上述电能数据组进行更新,得到上述电能数据组中的第一个电能数据对应的第一相似数据组。
[0079]例如,根据上述电能数据组中的第一个电能数据对应的数据相似度,对上述电能数据组进行更新,得到上述电能数据组中的第一个电能数据对应的第一相似数据组可以包括以下子步骤:
第一子步骤,当上述电能数据组中的第一个电能数据对应的数据相似度大于预先设置的相似阈值时,判断上述电能数据组中的第一个电能数据对应的滑窗电能数据序列中的滑窗电能数据与滑窗电能数据对应的参考数据是否相同,当滑窗电能数据与滑窗电能数据对应的参考数据不相同时,在滑窗电能数据对应的参考数据的前面插入与滑窗电能数据相同的数据,将进行数据插入后的电能数据组,确定为上述电能数据组中的第一个电能数据对应的第一相似数据组。
[0080]其中,相似阈值可以是预先设置的认为电能数据对应的目标滑窗与目标滑窗之后的数据不相似时,所允许的最大的数据相似度。如,相似阈值可以是0.7。当滑窗电能数据与滑窗电能数据对应的参考数据相同时,不需在滑窗电能数据对应的参考数据的前面插入与滑窗电能数据相同的数据。
[0081]第二子步骤,当上述电能数据组中的第一个电能数据对应的数据相似度小于或等于相似阈值时,将上述电能数据组,确定为上述电能数据组中的第一个电能数据对应的第一相似数据组。
[0082]第二步,根据上述电能数据组中的第一个电能数据对应的第一相似数据组和上述电能数据组中的第二个电能数据对应的数据相似度,对上述电能数据组中的第一个电能数据对应的第一相似数据组进行更新,得到上述电能数据组中的第二个电能数据对应的第二相似数据组。
[0083]例如,根据上述电能数据组中的第一个电能数据对应的第一相似数据组和上述电能数据组中的第二个电能数据对应的数据相似度,对上述电能数据组中的第一个电能数据对应的第一相似数据组进行更新,得到上述电能数据组中的第二个电能数据对应的第二相似数据组可以包括以下子步骤:
第一子步骤,将上述电能数据组更新为上述电能数据组中的第一个电能数据对应的第一相似数据组。
[0084]第二子步骤,当上述电能数据组中的第二个电能数据对应的数据相似度大于相似阈值时,判断上述电能数据组中的第二个电能数据对应的滑窗电能数据序列中的滑窗电能数据与滑窗电能数据对应的参考数据是否相同,当滑窗电能数据与滑窗电能数据对应的参考数据不相同时,在滑窗电能数据对应的参考数据的前面插入与滑窗电能数据相同的数据,将进行数据插入后的电能数据组,确定为上述电能数据组中的第二个电能数据对应的第二相似数据组。
[0085]第三子步骤,当上述电能数据组中的第二个电能数据对应的数据相似度小于或等于相似阈值时,将上述电能数据组中的第二个电能数据,确定为上述电能数据组中的第二个电能数据对应的第二相似数据组。
[0086]第三步,根据上述电能数据组中的第二个电能数据对应的第二相似数据组和上述电能数据组中的第三个电能数据对应的数据相似度,对上述电能数据组中的第二个电能数据对应的第二相似数据组进行更新,得到上述电能数据组中的第三个电能数据对应的第三相似数据组,以此类推,确定上述电能数据组中的各个电能数据对应相似数据组,将上述电能数据组中的最后一个电能数据对应的相似数据组,确定为上述电能数据组对应的电能相似数据组。
[0087]例如,目标滑窗可以是1×4的滑动窗口。电能数据组中的第二个电能数据对应的第二相似数据组可以是{2,3,6,2,6,9,3}。将电能数据组更新为{2,3,6,2,6,9,3}。若{2,3,6,2,6,9,3}中的第3个电能数据对应的数据相似度大于相似阈值,则可以对{2,3,6,2,6,9,3}进行数据插入,由于目标滑窗是1×4的滑动窗口,所以{2,3,6,2,6,9,3}中的前3个电能数据均在目标滑窗内。{2,3,6,2,6,9,3}中的{2,3,6}可以是第三个电能数据对应的滑窗电能数据序列。{2,3,6,2,6,9,3}中的{2,6,9,3}可以是第一数据序列。{2,3,6}中的“2”对应的参考数据可以是{2,6,9,3}中的“2”,两者相同,不需在{2,6,9,3}中的“2”的前面进行数据插入。{2,3,6}中的“3”对应的参考数据可以是{2,6,9,3}中的“6”,两者不相同,需要在{2,6,9,3}中“6”的前面插入“3”,此时{2,6,9,3}中的“6”的序号变为3,{2,3,6}中的“6”对应的参考数据可以是{2,3,6,9,3}中的“6”,两者相同,不需进行数据插入。因此,第三个电能数据对应的第三相似数据组可以是{2,3,6,2,3,6,9,3}。该过程可以如
图3所示,第一电能数据组301可以是电能数据组中的第二个电能数据对应的第二相似数据组。第一电能数据组301上的滑动窗口可以是电能数据组中的第三个电能数据对应的目标滑窗。第二电能数据组302可以是电能数据组中的第三个电能数据对应的第三相似数据组。
[0088]需要说明的是,采用LZ77算法,对采集的电能数据进行压缩时,如果目标滑窗内的电能数据与前向缓冲区内对应的电能数据相同,则此时往往可以实现对目标滑窗内的电能数据与前向缓冲区内对应的电能数据的最大限度的压缩。因此对数据相似度大于相似阈值的电能数据所在的电能数据组进行更新,可以既不改变电能数据组中电能数据的变化趋势,又提高了出现目标滑窗内的电能数据与前向缓冲区内对应的电能数据相同的频率,进而可以提高压缩效果。其次,数据相似度越大,往往需要插入的数据越少,因此对数据相似度大于相似阈值的电能数据所在的电能数据组进行数据插入,可以提高出现目标滑窗内的电能数据与前向缓冲区内对应的电能数据相同的频率,即虽然通过数据插入增加了数据,但是相较于采用LZ77算法进行压缩时增大的压缩程度,通过数据插入增加的数据量,往往可以忽略不计,因此往往可以提高压缩效果。并且LZ77算法可以通过滑动窗口,寻找缓冲区数据中相同的数据点,是一个迭代遍历的算法,往往不需要进行大量的运算即可实现数据的压缩,并且压缩比大,是一种低功耗的数据压缩算法。
[0089]压缩存储模块107,用于根据LZ77算法,通过目标滑窗,对电能相似数据组集合进行压缩存储。
[0090]在一些实施例中,可以根据LZ77算法,通过目标滑窗,对上述电能相似数据组集合进行压缩存储。
[0091]作为示例,可以根据LZ77算法,并将进行LZ77算法处理时的滑动窗口设置为目标滑窗,进而对上述电能相似数据组集合进行压缩并存储。
[0092]可选地,可以通过LZ77编码算法的解码规则,对压缩的电能相似数据组集合进行解压缩,可以得到解压后的电能相似数据组集合,由于电能相似数据组集合往往没有改变电能数据的变化趋势,往往不影响后续对电能数据进行分析,往往不影响对待监测电路进行监测。
[0093]综上,首先若待监测电路平稳运行,则电能数据集合中的电能数据之间的差异往往较小,电能数据的变化往往比较平稳稳定。若待监测电路异常运行,则电能数据集合中的电能数据之间的差异往往较大,电能数据的变化波动往往较大。因此采集电能数据集合,可以便于后续根据电能数据的变化波动,对待监测电路运行状态进行监测。由于电能数据集合中电能数据的数量往往比较多,因此获取待监测电路的电能数据集合,可以便于后续对电能数据集合进行压缩存储。接着,异常电能数据可以是波动变化较大的电能数据,较大的波动变化可能是由于待监测电路进行异常运行引起的。因此,异常电能数据往往可能是待监测电路进行异常运行时,产生的异常的电能数据。平稳电能数据可以是波动变化较小,比较平稳的电能数据。因此,平稳电能数据往往可能是待监测电路进行平稳运行时,产生的稳定的电能数据。然后,电能数据对应的目标斜率越大,往往说明电能数据的波动越大,往往说明电能数据的变化越不平稳。因此电能数据对应的目标斜率越大,往往说明电能数据可能发生了异常。根据电能数据对应的目标斜率,将电能数据序列分割为电能数据组,可以便于后续对电能数据组进行精确处理。继续,一般来说,如果电能数据组发生了异常,则待监测电路往往可能在该电能数据组对应的采集时长内发生了异常,因此对电能数据组进行异常程度分析处理,可以便于对待监测电路的运行状态进行监测。之后,综合考虑电能数据对应的目标滑窗和电能数据所在的电能数据组对应的目标异常程度,可以提高电能数据对应的数据异常程度确定的准确度。而后,数据相似度越大,往往需要插入的数据越少,因此对数据相似度大于相似阈值的电能数据所在的电能数据组进行数据插入,可以提高出现目标滑窗内的电能数据与前向缓冲区内对应的电能数据相同的频率,即虽然通过数据插入增加了数据,但是相较于采用LZ77算法进行压缩时增大的压缩程度,通过数据插入增加的数据量,往往可以忽略不计,因此往往可以提高压缩效果。最后,通过LZ77算法和目标滑窗,对电能相似数据组集合进行压缩存储,可以减少存储空间的占用。
[0094]以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。