CN114461594A - 数据压缩方法、边缘设备及计算机存储介质 - Google Patents

数据压缩方法、边缘设备及计算机存储介质 Download PDF

Info

Publication number
CN114461594A
CN114461594A CN202111673984.6A CN202111673984A CN114461594A CN 114461594 A CN114461594 A CN 114461594A CN 202111673984 A CN202111673984 A CN 202111673984A CN 114461594 A CN114461594 A CN 114461594A
Authority
CN
China
Prior art keywords
data
data set
differential
clustering
compression method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111673984.6A
Other languages
English (en)
Inventor
李飞
申洪涛
史轮
孙胜博
王鸿玺
张瑞
杨挺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111673984.6A priority Critical patent/CN114461594A/zh
Publication of CN114461594A publication Critical patent/CN114461594A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/174—Redundancy elimination performed by the file system
    • G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明适用于数据处理技术领域，提供了一种数据压缩方法、边缘设备及计算机存储介质，上述方法包括：获取各个设备分别在第一时刻和第二时刻的用电数据，并分别计算各个设备在第一时刻的用电数据与在第二时刻的用电数据的差值，形成偏差数据集；对偏差数据集中的数据进行分类，得到第一差分数据集和第二差分数据集；其中，第一差分数据集中的数据不小于第二差分数据集中的数据；对第一差分数据集进行第一操作，得到目标压缩数据。本发明根据用电数据的特性，仅上传数据变化量相对较大、对数据分析影响较大的数据，用于异常用电判断及故障检测，大大减少了数据量，节省了通信带宽。

Description

数据压缩方法、边缘设备及计算机存储介质
技术领域
本发明属于数据处理技术领域，尤其涉及一种数据压缩方法、边缘设备及计算机存储介质。
背景技术
随着用户的不断增多，采集密度的增加，在电力边缘设备和云端的通信中，大量的原始用电数据的集中上传会造成通信通道的堵塞，从而导致关键数据无法及时传输，系统实时性下降。
现有技术中，通常可以采用传统的压缩算法对数据进行压缩，但压缩后的数据量依然很大，仍然会造成通信通道的阻塞，无法满足实际应用需求。
发明内容
有鉴于此，本发明实施例提供了一种数据压缩方法、边缘设备及计算机存储介质，以解决现有技术中电力数据采用传统压缩方法，无法满足实际应用需求的问题。
本发明实施例的第一方面提供了一种数据压缩方法，包括：
获取各个设备分别在第一时刻和第二时刻的用电数据，并分别计算各个设备在第一时刻的用电数据与在第二时刻的用电数据的差值，形成偏差数据集；
对偏差数据集中的数据进行分类，得到第一差分数据集和第二差分数据集；其中，第一差分数据集中的数据不小于第二差分数据集中的数据；
对第一差分数据集进行第一操作，得到目标压缩数据。
本发明实施例的第二方面提供了一种边缘设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如本发明实施例第一方面提供的数据压缩方法的步骤。
本发明实施例的第三方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如本发明实施例第一方面提供的数据压缩方法的步骤。
本发明实施例提供了一种数据压缩方法、边缘设备及计算机存储介质，上述方法包括：获取各个设备分别在第一时刻和第二时刻的用电数据，并分别计算各个设备在第一时刻的用电数据与在第二时刻的用电数据的差值，形成偏差数据集；对偏差数据集中的数据进行分类，得到第一差分数据集和第二差分数据集；其中，第一差分数据集中的数据不小于第二差分数据集中的数据；对第一差分数据集进行第一操作，得到目标压缩数据。本发明实施例根据用电数据的特性，将变化量不大的数据舍弃，仅上传数据变化量相对较大的数据，用于异常用电判断及故障检测，在保证不影响异常和故障判断效果的前提下，大大减少了数据量，节省了通信带宽，提高了通信质量。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种数据压缩方法的实现流程示意图；
图2是本发明实施例提供的聚类结果示意图；
图3本发明实施例提供的数据压缩方法的示例图；
图4是本发明实施例提供的数据压缩方法与道格拉斯-普客法的压缩比对比图；
图5是本发明实施例提供的数据压缩装置的示意图；
图6是本发明实施例提供的边缘设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明的技术方案，下面通过具体实施例来进行说明。
参考图1，本发明实施例提供了一种数据压缩方法，包括：
S101：获取各个设备分别在第一时刻和第二时刻的用电数据，并分别计算各个设备在第一时刻的用电数据与在第二时刻的用电数据的差值，形成偏差数据集；
S102：对偏差数据集中的数据进行分类，得到第一差分数据集和第二差分数据集；其中，第一差分数据集中的数据不小于第二差分数据集中的数据；
S103：对第一差分数据集进行第一操作，得到目标压缩数据。
智能电表获取用户电量，传输给边缘设备，边缘设备再传输给上级设备，例如云端。用户用电量具有周期性，例如按照星期有规律变化。若用电正常，则相邻两周期同一时刻的用电量应仅存在较小的偏差。当用电出现异常时，相邻两周期同一时刻的用电量的差值会出现明显波动。基于此，对于异常分析和故障判断，起关键作用的数据主要为相邻周期同一时刻波动量大的数据。
基于以上，本发明实施例计算各个设备相邻周期同一时刻的数据差值(第一时刻和第二时刻相差一个周期，例如，一个周期可以为7天)形成偏差数据集，并对偏差数据集中的数据分为两类，舍弃数据较小的(例如数据接近0的数据)，对异常或故障分析贡献不大的数据，保留对异常或故障分析影响较大的数据进行压缩，得到目标压缩数据，大大减小了数据量，节省了通信带宽，有效提高了系统的通信质量。
一些实施例中，S102可以包括：
S1021：对偏差数据集中的数据进行一次聚类，得到第一差分数据集和第二差分数据集。
本发明实施例中可采用聚类算法对偏差数据集中的数据进行分类，将数值接近或者等于0的数据，也即对后续数据分析贡献不大的数据加入第二差分数据集；将数值较大的数据，也即对后续数据分析贡献较大的数据加入第一差分数据集，实现数据的分类。
一些实施例中，S1021可以包括：
1、采用基于DBSCAN密度算法，对偏差数据集中的数据进行一次聚类，得到第一差分数据集和第二差分数据集。
使用基于DBSCAN密度算法将彼此接近的分类到同一个分组中，使用肘部法则将差分划分为给定数量的簇。
假设偏差数据集中包含N个数据，N个数据被分成C个簇，各个和它们最近的聚类中心之间的总距离为：
Figure BDA0003450265060000041
其中，
Figure BDA0003450265060000042
为聚类簇ln的聚类中心，ln则为差分
Figure BDA0003450265060000043
的所属簇。公式(1)表示所有数据与其对应的聚类中心的值之间的距离的平方和。由此得到：
Figure BDA0003450265060000044
且有
Figure BDA0003450265060000045
其中，C为第一次聚类的分组数量，Sc表示第c个分组中的数据集，cc表示第c个分组的聚类中心的值。公式(2)表示对于每个数据，将其分类进距离其聚类中心最近的分组中。
当按照cc的降序对从1到C的聚类进行排序后，只有前面少数分组的聚类中心的值显著大于0。对于其他分组，它们的聚类中心的值都接近于零，如图2所示。因此将偏差数据集中绝对值远大于0的簇定义为第一差分数据集，而将绝对值接近或等于0的数据定义为第二差分数据集，实现了数据的分类，将不重要的第二差分数据集中的数据舍弃，得到目标压缩数据，大大减小了数据量。
一些实施例中，上述方法还可以包括：
S104：对第二差分数据集进行第二操作，得到第一压缩数据；
S103可以包括：
S1031：对第一差分数据集进行第一操作，得到第二压缩数据；
S1032：第一压缩数据和第二压缩数据形成目标压缩数据。
一些实施例中，S104可以包括：
S1041：确定第二差分数据集中的各个数据的均值，并根据均值得到第一压缩数据。
一些实施例中，第一压缩数据包括：第二差分数据集中的各个数据对应的设备编号及均值。
对于第二差分数据集中的数据，为保证后续分析的准确度，也可不舍弃，取第二差分数据集中的各个数据的均值，将均值作为第二差分数据集中的数据的值。例如，第二差分数据集中包含10个设备编号及对应的数据，经上述处理后仅需要上传10个设备编号及一个均值即可。
一些实施例中，S103可以包括：
S1033：对第一差分数据集中的数据进行二次聚类，得到多个聚类簇，并分别确定各个聚类簇的聚类中心的值；
S1034：根据各个聚类簇的聚类中心的值，确定目标压缩数据。
一些实施例中，目标压缩数据包括：各个聚类簇中的数据对应的设备编号及各个聚类簇的聚类中心的值。
本发明实施例中，对第一差分数据集中的数据进行二次聚类，将聚类中心的值作为该聚类对应的设备的值。例如，第一差分数据集中包含20个设备编号及对应的数据。经过二次聚类得到4个聚类簇，处理后仅需上传20个设备编号及4个数据即可，大大降低了数据量。
具体的，参考图3，第一差分数据集中包含16个数据，对16个数据聚类得到4个聚类簇，将4个聚类簇按照0，1，2，3编号，并分别记录每个分类簇的聚类中心的值，建立分组索引，目标压缩数据仅包括聚类簇编号、聚类簇的聚类中心的值及设备编号。
未采用本发明实施例提供的方法之前，偏差数据集中共包含M个数据，第一差分数据集包含N个数据，每个数据占4字节，因此总共至少需要上传4M字节的数据。
而采用本发明实施例提供的方法压缩后，我们只需上传C0个聚类中心的值，共占用4C0字节，另需通信流量为
Figure BDA0003450265060000061
字节，在通信流量计算公式中，log2C0+log2N用于计算单个聚类簇编号和设备编号需要的位数，而除以8则为所需字节数，该流量用于上传N0个聚类簇编号和设备编号。同时，需要上传一个平均值来替换第二差分数据集中的数据。因此，压缩后要上传的数据量为
Figure BDA0003450265060000062
字节。使用Γ表示压缩比，则该压缩算法实现的压缩比如下：
Figure BDA0003450265060000063
例如，偏差数据集中共包含20个数据，第一差分数据集包含16个数据，没有采用本发明实施例提供的方法前，20个数据，每个数据占4个字节，至少需要上传80个字节。采用本发明实施例提供的方法后，舍弃第二差分数据集中的数据，16个数据聚类得到4个聚类簇，仅需要
Figure BDA0003450265060000064
个字节即可，4×4代表上传的聚类中心的值，
Figure BDA0003450265060000071
代表上传的聚类簇编号，大大降低了数据量。
图4示出了本发明实施例提供的压缩方法与道格拉斯-普客法的压缩比的对比图，由图4可知，在数据量较大的情况下，本发明实施例提供的压缩方法的压缩比明显优于道格拉斯-普客法的压缩比。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上述实施例，参考图5，本发明实施例提供了一种数据压缩装置，包括：
数据获取模块21，用于获取各个设备分别在第一时刻和第二时刻的用电数据，并分别计算各个设备在第一时刻的用电数据与在第二时刻的用电数据的差值，形成偏差数据集；
分类模块22，用于对偏差数据集中的数据进行分类，得到第一差分数据集和第二差分数据集；其中，第一差分数据集中的数据不小于第二差分数据集中的数据；
压缩模块23，用于对第一差分数据集进行第一操作，得到目标压缩数据。
一些实施例中，分类模块22可以包括：
一次聚类单元221，用于对偏差数据集中的数据进行一次聚类，得到第一差分数据集和第二差分数据集。
一些实施例中，一次聚类单元221具体用于：
采用基于DBSCAN密度算法，对偏差数据集中的数据进行一次聚类，得到第一差分数据集和第二差分数据集。
一些实施例中，上述装置还可以包括：
补充压缩模块24，用于对第二差分数据集进行第二操作，得到第一压缩数据；
压缩模块23具体用于：
对第一差分数据集进行第一操作，得到第二压缩数据；
第一压缩数据和第二压缩数据形成目标压缩数据。
一些实施例中，补充压缩模块24可以包括：
第一压缩单元241，用于确定第二差分数据集中的各个数据的均值，并根据均值得到第一压缩数据。
一些实施例中，第一压缩数据包括：第二差分数据集中的各个数据对应的设备编号及均值。
一些实施例中，压缩模块23可以包括：
二次聚类单元231，用于对第一差分数据集中的数据进行二次聚类，得到多个聚类簇，并分别确定各个聚类簇的聚类中心的值；
结果输出单元232，用于根据各个聚类簇的聚类中心的值，确定目标压缩数据。
一些实施例中，目标压缩数据包括：各个聚类簇中的数据对应的设备编号及各个聚类簇的聚类中心的值。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将边缘设备的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图6是本发明一实施例提供的边缘设备的示意框图。如图6所示，该实施例的边缘设备4包括：一个或多个处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个数据压缩方法实施例中的步骤，例如图1所示的步骤S101至S103。或者，处理器40执行计算机程序42时实现上述数据压缩装置实施例中各模块/单元的功能，例如图5所示模块21至23的功能。
示例性地，计算机程序42可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器41中，并由处理器40执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序42在边缘设备4中的执行过程。例如，计算机程序42可以被分割成数据获取模块21、分类模块22及压缩模块23。
数据获取模块21，用于获取各个设备分别在第一时刻和第二时刻的用电数据，并分别计算各个设备在第一时刻的用电数据与在第二时刻的用电数据的差值，形成偏差数据集；
分类模块22，用于对偏差数据集中的数据进行分类，得到第一差分数据集和第二差分数据集；其中，第一差分数据集中的数据不小于第二差分数据集中的数据；
压缩模块23，用于对第一差分数据集进行第一操作，得到目标压缩数据。
其它模块或者单元在此不再赘述。
边缘设备4包括但不仅限于处理器40、存储器41。本领域技术人员可以理解，图6仅仅是边缘设备的一个示例，并不构成对边缘设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如边缘设备4还可以包括输入设备、输出设备、网络接入设备、总线等。
处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41可以是边缘设备的内部存储单元，例如边缘设备的硬盘或内存。存储器41也可以是边缘设备的外部存储设备，例如边缘设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器41还可以既包括边缘设备的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序42以及边缘设备所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的边缘设备和方法，可以通过其它的方式实现。例如，以上所描述的边缘设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
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精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种数据压缩方法，其特征在于，包括：
获取各个设备分别在第一时刻和第二时刻的用电数据，并分别计算各个设备在所述第一时刻的用电数据与在所述第二时刻的用电数据的差值，形成偏差数据集；
对所述偏差数据集中的数据进行分类，得到第一差分数据集和第二差分数据集；其中，所述第一差分数据集中的数据不小于所述第二差分数据集中的数据；
对所述第一差分数据集进行第一操作，得到目标压缩数据。
2.如权利要求1所述的数据压缩方法，其特征在于，所述对所述偏差数据集中的数据进行分类，得到第一差分数据集和第二差分数据集，包括：
对所述偏差数据集中的数据进行一次聚类，得到所述第一差分数据集和所述第二差分数据集。
3.如权利要求2所述的数据压缩方法，其特征在于，所述对所述偏差数据集中的数据进行一次聚类，得到所述第一差分数据集和所述第二差分数据集，包括：
采用基于DBSCAN密度算法，对所述偏差数据集中的数据进行一次聚类，得到所述第一差分数据集和所述第二差分数据集。
4.如权利要求1所述的数据压缩方法，其特征在于，所述方法还包括：
对所述第二差分数据集进行第二操作，得到第一压缩数据；
所述对所述第一差分数据集进行第一操作，得到目标压缩数据，包括：
对所述第一差分数据集进行第一操作，得到第二压缩数据；
所述第一压缩数据和所述第二压缩数据形成所述目标压缩数据。
5.如权利要求4所述的数据压缩方法，其特征在于，所述对所述第二差分数据集进行第二操作，得到第一压缩数据，包括：
确定所述第二差分数据集中的各个数据的均值，并根据所述均值得到所述第一压缩数据。
6.如权利要求5所述的数据压缩方法，其特征在于，所述第一压缩数据包括：所述第二差分数据集中的各个数据对应的设备编号及所述均值。
7.如权利要求1所述的数据压缩方法，其特征在于，所述对所述第一差分数据集进行第一操作，得到目标压缩数据，包括：
对所述第一差分数据集中的数据进行二次聚类，得到多个聚类簇，并分别确定各个聚类簇的聚类中心的值；
根据各个聚类簇的聚类中心的值，确定所述目标压缩数据。
8.如权利要求7所述的数据压缩方法，其特征在于，所述目标压缩数据包括：各个聚类簇中的数据对应的设备编号及各个聚类簇的聚类中心的值。
9.一种边缘设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述数据压缩方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述数据压缩方法的步骤。
CN202111673984.6A 2021-12-31 2021-12-31 数据压缩方法、边缘设备及计算机存储介质 Pending CN114461594A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111673984.6A CN114461594A (zh) 2021-12-31 2021-12-31 数据压缩方法、边缘设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111673984.6A CN114461594A (zh) 2021-12-31 2021-12-31 数据压缩方法、边缘设备及计算机存储介质

Publications (1)

Publication Number Publication Date
CN114461594A true CN114461594A (zh) 2022-05-10

Family

ID=81407427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111673984.6A Pending CN114461594A (zh) 2021-12-31 2021-12-31 数据压缩方法、边缘设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN114461594A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115755752A (zh) * 2023-01-06 2023-03-07 山东鸿德电力科技有限公司 一种基于plc的自动化设备节能控制方法及系统
CN116821590A (zh) * 2023-08-29 2023-09-29 江苏德赛尔科技有限公司 电力边缘数据的采集方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109799483A (zh) * 2019-01-25 2019-05-24 中国人民解放军空军研究院战略预警研究所 一种数据处理方法和装置
CN110634080A (zh) * 2018-06-25 2019-12-31 中兴通讯股份有限公司 异常用电检测方法、装置、设备及计算机可读存储介质
CN112235384A (zh) * 2020-10-09 2021-01-15 腾讯科技（深圳）有限公司 分布式系统中的数据传输方法、装置、设备及存储介质
CN112529061A (zh) * 2020-12-03 2021-03-19 新奥数能科技有限公司 一种光伏功率异常数据的识别方法、装置及终端设备
WO2021120588A1 (zh) * 2020-06-17 2021-06-24 平安科技（深圳）有限公司 语料生成方法、装置、计算机设备及存储介质
CN113258934A (zh) * 2021-06-24 2021-08-13 北京海兰信数据科技股份有限公司 一种数据压缩方法、系统及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110634080A (zh) * 2018-06-25 2019-12-31 中兴通讯股份有限公司 异常用电检测方法、装置、设备及计算机可读存储介质
CN109799483A (zh) * 2019-01-25 2019-05-24 中国人民解放军空军研究院战略预警研究所 一种数据处理方法和装置
WO2021120588A1 (zh) * 2020-06-17 2021-06-24 平安科技（深圳）有限公司 语料生成方法、装置、计算机设备及存储介质
CN112235384A (zh) * 2020-10-09 2021-01-15 腾讯科技（深圳）有限公司 分布式系统中的数据传输方法、装置、设备及存储介质
CN112529061A (zh) * 2020-12-03 2021-03-19 新奥数能科技有限公司 一种光伏功率异常数据的识别方法、装置及终端设备
CN113258934A (zh) * 2021-06-24 2021-08-13 北京海兰信数据科技股份有限公司 一种数据压缩方法、系统及设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115755752A (zh) * 2023-01-06 2023-03-07 山东鸿德电力科技有限公司 一种基于plc的自动化设备节能控制方法及系统
CN116821590A (zh) * 2023-08-29 2023-09-29 江苏德赛尔科技有限公司 电力边缘数据的采集方法和系统
CN116821590B (zh) * 2023-08-29 2024-03-26 江苏德赛尔科技有限公司 电力边缘数据的采集方法和系统

Similar Documents

Publication Publication Date Title
CN114461594A (zh) 数据压缩方法、边缘设备及计算机存储介质
CN114298863B (zh) 一种智能抄表终端的数据采集方法及系统
CN111556057B (zh) 一种流量异常检测方法、装置、电子设备及存储介质
CN108932124A (zh) 神经网络模型压缩方法、装置、终端设备及存储介质
CN111596924B (zh) 一种微服务划分方法和装置
CN109062768B (zh) 缓存服务器的io性能评估方法和装置
CN103345527B (zh) 数据智能统计系统
CN117170979B (zh) 一种大规模设备的能耗数据处理方法、系统、设备及介质
CN110876072A (zh) 一种批量注册用户识别方法、存储介质、电子设备及系统
CN109062992A (zh) 一种经济数据分析方法及系统
CN111159107B (zh) 数据处理方法和服务器集群
CN115292393B (zh) 一种用于智慧网关的数据管理系统
CN107240957B (zh) 一种基于大数据流式计算用于电网监测预警的方法
CN115618229A (zh) 一种基于大数据的线损分摊算法
CN114356712A (zh) 数据处理方法、装置、设备、可读存储介质及程序产品
CN108280224A (zh) 万级维度数据生成方法、装置、设备以及存储介质
CN113705625A (zh) 异常生活保障申请家庭的识别方法、装置及电子设备
CN111628901B (zh) 一种指标异常检测方法以及相关装置
CN111401796A (zh) 一种建立设备能效模型的方法及装置
CN113783182A (zh) 配电变压器负载优化方法及电子设备
CN113486063A (zh) 电力物联网中流数据处理方法、装置及终端设备
CN113128574A (zh) 场景缩减方法、装置及终端设备
CN116757334B (zh) 财务数据处理方法、系统、可读存储介质及计算机
CN110377592B (zh) 定量变量到虚拟变量的数据预处理方法、装置及终端设备
CN115296930B (zh) 一种周期性行为检测方法、系统及终端机

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination