CN116127332B - 一种模拟量数据处理装置及方法 - Google Patents

Abstract

本发明提出了一种模拟量数据处理装置及方法，通过存储以第一采样率采集的第一基础模拟量数据，所述第一采样率大于需求层面的最高历史采样率，将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线，以所述第一采样率采集实时模拟量数据，将所述实时模拟量数据切分为数据片段，将每个所述数据片段相对于时间维度拟合为第二平滑曲线，将所述第二平滑曲线与所述第一平滑曲线进行匹配，当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，提取所述曲线片段在所述第一平滑曲线上的数据特征，将所述数据特征存储为对应所述数据片段的第二基础模拟量数据，能够提高模拟量数据在复杂工业系统环境下对于不同应用场景的普适性。

Description

一种模拟量数据处理装置及方法

技术领域

本发明涉及数据处理技术领域，特别涉及一种模拟量数据处理装置及方法。

背景技术

模拟量是指在时间和数值上连续变化的物理量，常见的如电压、电流、压力、速度、流量、温度等连续变化的物理量，在工业领域涉及到大量需要对这些模拟量进行采集、测量、分析和应用的场景，模拟量的数据量理论上是无限大的，任何计算机设备都无法直接处理模拟量数据，在实际应用场景中，一般通过采集设备如传感器等按照预设的采样率从模拟量的模拟信号中采集离散数值后将其转化为数字信号，进而加以分析和利用。对于不同精度要求的应用场景，调整其采样率即可获取相应精度的测量数据，因此模拟量的数据精度对采样率具有极高的依赖性，面向不同的应用环境需要主动去修改各个模拟量的采样率，虽然提高模拟量的采样率能够提高数据的普适性，但过度提高模拟量数据的采样率，将会极大地增加数据存的储成本。随着技术的发展，工业领域的分工越来越细化，工业系统越来越复杂化，工业系统的体量也越来越庞大，工业数据的采集、测量、分析和应用往往由不同的业务模块分别完成，在时间、空间上以及在业务属性方面都被完全隔离开来。庞大的系统必要带来的是各个业务模块的沟通成本越来越高的问题，一旦前期如各个模拟量的采样率等参数的配置无法满足各个业务模块的处理需求，或者无法适应各个业务模块的需求变化，从提交需求变更申请到执行需求关联性分析、操作方案敲定、下发到落地全流程下来，所损失的时间成本是不可估量的。

发明内容

本发明正是基于上述问题，提出了一种模拟量数据处理装置及方法，能够提高模拟量数据在复杂工业系统环境下对于不同应用场景的普适性。

有鉴于此，本发明的第一方面提出了一种模拟量数据处理装置，包括：

第一基础模拟量数据存储模块，用于存储第一时间长度的第一基础模拟量数据，所述第一基础模拟量数据是以第一采样率采集的模拟量数据，所述第一采样率大于需求层面的最高历史采样率；

第一平滑曲线拟合模块，用于将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线；

实时模拟量数据采集模块，用于以所述第一采样率采集实时模拟量数据；

实时模拟量数据切片模块，用于将所述实时模拟量数据切分为第二时间长度的数据片段，所述第二时间长度远小于所述第一时间长度；

第二平滑曲线拟合模块，用于将每个所述数据片段相对于时间维度拟合为第二平滑曲线；

第一平滑曲线匹配模块，用于将所述第二平滑曲线与所述第一平滑曲线进行匹配；

匹配片段确定模块，用于当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为匹配片段；

数据特征提取模块，用于提取所述曲线片段在所述第一平滑曲线上的数据特征；

第二基础模拟量数据存储模块，用于将所述数据特征存储为对应所述匹配片段的第二基础模拟量数据。

进一步的，在上述的模拟量数据处理装置中，所述第一平滑曲线匹配模块具体包括：

第三平滑曲线截取子模块，用于按照预设的步长循环从所述第一平滑曲线截取与所述第二平滑曲线等长的第三平滑曲线；

采样点序列获取子模块，用于使用相同的采样方式分别从所述第二平滑曲线和第三平滑曲线上获取第一采样点序列和第二采样点序列；

差值序列计算子模块，用于计算得到所述第一采样点序列和所述第二采样点序列的差值序列；

匹配曲线片段确定子模块，用于当所述差值序列为等值序列、等差序列或等比序列时，确定所述第三平滑曲线为与所述第二平滑曲线的形状相匹配的曲线片段。

进一步的，在上述的模拟量数据处理装置中，所述数据特征提取模块具体包括：

标识信息获取子模块，用于获取所述第一平滑曲线的标识信息；

时间信息获取子模块，用于获取所述第三平滑曲线在所述第一平滑曲线上的起点时间和终点时间；

差异信息获取子模块，用于获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数，所述序列类型包括等值序列、等差序列或等比序列；

数据特征确定子模块，用于将所述第一平滑曲线的标识信息、所述起点时间、所述终点时间、所述差值序列的序列类型以及所述差异系数确定为所述曲线片段在所述第一平滑曲线上的数据特征。

本发明的第二方面提出了一种模拟量数据处理方法，包括：

存储第一时间长度的第一基础模拟量数据，所述第一基础模拟量数据是以第一采样率采集的模拟量数据，所述第一采样率大于需求层面的最高历史采样率；

将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线；

以所述第一采样率采集实时模拟量数据；

将所述实时模拟量数据切分为第二时间长度的数据片段，所述第二时间长度远小于所述第一时间长度；

将每个所述数据片段相对于时间维度拟合为第二平滑曲线；

将所述第二平滑曲线与所述第一平滑曲线进行匹配；

当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为匹配片段；

提取所述曲线片段在所述第一平滑曲线上的数据特征；

将所述数据特征存储为对应所述匹配片段的第二基础模拟量数据。

进一步的，在上述的模拟量数据处理方法中，将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤具体包括：

按照预设的步长循环从所述第一平滑曲线截取与所述第二平滑曲线等长的第三平滑曲线；

使用相同的采样方式分别从所述第二平滑曲线和第三平滑曲线上获取第一采样点序列和第二采样点序列；

计算得到所述第一采样点序列和所述第二采样点序列的差值序列；

当所述差值序列为等值序列、等差序列或等比序列时，确定所述第三平滑曲线为与所述第二平滑曲线的形状相匹配的曲线片段。

进一步的，在上述的模拟量数据处理方法中，提取所述曲线片段在所述第一平滑曲线上的数据特征的步骤具体包括：

获取所述第一平滑曲线的标识信息；

获取所述第三平滑曲线在所述第一平滑曲线上的起点时间和终点时间；

获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数，所述序列类型包括等值序列、等差序列或等比序列；

将所述第一平滑曲线的标识信息、所述起点时间、所述终点时间、所述差值序列的序列类型以及所述差异系数确定为所述曲线片段在所述第一平滑曲线上的数据特征。

进一步的，在上述的模拟量数据处理方法中，获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数的步骤具体包括：

当所述差值序列的序列类型为等值序列时，将所述等值序列的值确定为所述差异系数；

当所述差值序列的序列类型为等差序列时，将所述等差序列的等差差值确定为所述差异系数；

当所述差值序列的序列类型为等比序列时，将所述等差序列的等比比值确定为所述差异系数。

进一步的，在上述的模拟量数据处理方法中，在将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤之后，还包括：

当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为非匹配片段；

将所述非匹配片段存储为第三基础模拟量数据。

进一步的，在上述的模拟量数据处理方法中，将所述非匹配片段存储为第三基础模拟量数据的步骤具体包括：

等待所述非匹配片段的后一数据片段的匹配结果；

当所述非匹配片段的后一数据片段同样为非匹配数据片段，则将所述非匹配片段与所述非匹配片段的后一数据片段合并为新的非匹配数据片段；

重复上述两个步骤直至所述非匹配片段的后一数据片段为匹配数据片段；

获取所述非匹配数据片段的前一匹配数据片段和后一匹配数据片段；

将所述非匹配数据片段与所述非匹配数据片段的前一匹配数据片段、所述非匹配数据片段的后一匹配数据片段合并为新的非匹配数据片段；

将合并后的所述非匹配片段存储为第三基础模拟量数据。

进一步的，在上述的模拟量数据处理方法中，在将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤之后，还包括：

当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，判断是否存在第三基础模拟量数据；

存在第三基础模拟量数据时，将所述第三基础模拟量数据相对于时间维度拟合为第四平滑曲线；

将所述第二平滑曲线与所述第四平滑曲线进行匹配。

本发明提出了一种模拟量数据处理装置及方法，通过存储以第一采样率采集的第一基础模拟量数据，所述第一采样率大于需求层面的最高历史采样率，将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线，以所述第一采样率采集实时模拟量数据，将所述实时模拟量数据切分为数据片段，将每个所述数据片段相对于时间维度拟合为第二平滑曲线，将所述第二平滑曲线与所述第一平滑曲线进行匹配，当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，提取所述曲线片段在所述第一平滑曲线上的数据特征，将所述数据特征存储为对应所述数据片段的第二基础模拟量数据，能够提高模拟量数据在复杂工业系统环境下对于不同应用场景的普适性。

附图说明

图1是本发明一个实施例提供的一种模拟量数据处理装置的示意框图；

图2是本发明一个实施例提供的一种模拟量数据处理方法的流程图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

在本发明的描述中，术语“多个”则指两个或两个以上，除非另有明确的限定，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本说明书的描述中，术语“一个实施例”、“一些实施方式”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

下面参照附图来描述根据本发明一些实施方式提供的一种模拟量数据处理装置及方法。

如图1所示，本发明的第一方面提出了一种模拟量数据处理装置，包括：

第一基础模拟量数据存储模块，用于存储第一时间长度的第一基础模拟量数据，所述第一基础模拟量数据是以第一采样率采集的模拟量数据，所述第一采样率大于需求层面的最高历史采样率；

第一平滑曲线拟合模块，用于将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线；

实时模拟量数据采集模块，用于以所述第一采样率采集实时模拟量数据；

实时模拟量数据切片模块，用于将所述实时模拟量数据切分为第二时间长度的数据片段，所述第二时间长度远小于所述第一时间长度；

第二平滑曲线拟合模块，用于将每个所述数据片段相对于时间维度拟合为第二平滑曲线；

第一平滑曲线匹配模块，用于将所述第二平滑曲线与所述第一平滑曲线进行匹配；

匹配片段确定模块，用于当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为匹配片段；

数据特征提取模块，用于提取所述曲线片段在所述第一平滑曲线上的数据特征；

第二基础模拟量数据存储模块，用于将所述数据特征存储为对应所述匹配片段的第二基础模拟量数据。

具体的，在数据库中预先存储具有第一时间长度的第一基础模拟量数据作为后续提取和存储数据特征的基础数据，所述第一时间长度为在所述第一采样率的基础上包含一定数量的采样点的时间长度，所述第一时间长度应当远大于所述第一采样率对应的采样周期，使得所述第一基础模拟量数据中包含有足够的用于匹配后续数据的数据量。所述需求层面的最高历史采样率为每个模拟量以及对应的模拟量采集传感器在各种应用场景下使用过的采样率中的最高采样率，业务侧对模拟量的采样率需求往往不会大于所述需求层面的最高历史采样率。优选的，所述第一采样量为所述需求层面的最高历史采样率的整数倍。在实际应用当中，传感器以第一采样率持续采集实时模拟量数据提供给处理器处理。当业务侧获取模拟量数据时使用的第二采样率为所述需求层面的最高历史采样率，或所述需求层面的最高历史采样率为所述第二采样率的整数倍时，能够直接将所述实时模拟量数据中的采样点对应的数据提供给业务侧。所述第一平滑曲线以及所述第二平滑曲线为以时间为横轴、模拟量的取值为纵轴在平面坐标系中拟合得到的平面曲线。所述第二时间长度大于所述第一采样率对应的采样周期，小于所述第一时间长度。所述第二时间长度的取值越小，从所述第一平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越高，但相应的会占用更多的计算资源和需要更长的匹配时间。相反的，所述第二时间长度的取值越大，从所述第一平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越低，需要在数据库中存储更多的第一基础模拟量数据来进行匹配，占用更多的存储资源。在所述第一平滑曲线中成功得到与所述第二平滑曲线的形状相匹配的曲线片段时，以所述曲线片段在所述第一平滑曲线上的数据特征代替所述第二平滑曲线对应的数据片段作为所述第二基础模拟量数据，能够减小需要存储的数据量，大幅降低数据库的存储压力，节省数据存储空间。

在上述的模拟量数据处理装置中，所述第一平滑曲线匹配模块具体包括：

第三平滑曲线截取子模块，用于按照预设的步长循环从所述第一平滑曲线截取与所述第二平滑曲线等长的第三平滑曲线；

采样点序列获取子模块，用于使用相同的采样方式分别从所述第二平滑曲线和第三平滑曲线上获取第一采样点序列和第二采样点序列；

差值序列计算子模块，用于计算得到所述第一采样点序列和所述第二采样点序列的差值序列；

匹配曲线片段确定子模块，用于当所述差值序列为等值序列、等差序列或等比序列时，确定所述第三平滑曲线为与所述第二平滑曲线的形状相匹配的曲线片段。

具体的，所述预设的步长为时间步长，其取值大于或等于所述第一采样率对应的采样周期。同样的，所述预设的步长的取值越小，从所述第一平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越高，但相应的会占用更多的计算资源和需要更长的匹配时间。相反的，所述预设的步长的取值越大，从所述第一平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越低。在上述实施方式的技术方案中，通过将所述第一基础模拟量数据和所述实时模拟量数据分别拟合为所述第一平滑曲线和所述第二平滑曲线后，在所述第一平滑曲线和所述第二平滑曲线上取点得到所述第一采样点序列和所述第二采样点序列的方式，可以获取到比第一采样率对应的原始采样点序列更加密集的采样点序列，从而提高在所述第一平滑曲线上得到与所述第二平滑曲线形状相匹配的曲线片段的成功率。采用上述实施方式的技术方案，使用等值、等差或等比等较为简单的差值匹配规则对所述差值序列进行分析，能够极大地节省处理器的计算资源并且方便数据特征的提取，同时可以使用所述第一平滑曲线上较少数据量的参数作为所述匹配片段的数据特征，能够降低数据库的存储压力，节省存储资源。

在上述的模拟量数据处理装置中，所述数据特征提取模块具体包括：

标识信息获取子模块，用于获取所述第一平滑曲线的标识信息；

时间信息获取子模块，用于获取所述第三平滑曲线在所述第一平滑曲线上的起点时间和终点时间；

差异信息获取子模块，用于获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数，所述序列类型包括等值序列、等差序列或等比序列；

数据特征确定子模块，用于将所述第一平滑曲线的标识信息、所述起点时间、所述终点时间、所述差值序列的序列类型以及所述差异系数确定为所述曲线片段在所述第一平滑曲线上的数据特征。

在上述实施方式的技术方案中，以所述第一平滑曲线的标识信息、所述第三平滑曲线在所述第一平滑曲线上的起点时间和终点时间以及所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数等数据特征作为所述第二平滑曲线对应的数据片段的存储数据，即所述第二基础模拟量数据，可以减少需要存储的数据量，降低数据库的存储压力，节省存储空间。同时，在需要使用所述第二基础模拟量数据时，通过上述数据特征可以快速还原所述第二平滑曲线对应的数据片段，从而获得任意采样率下的模拟量数据，适应各种业务需求的使用场景。

在上述的模拟量数据处理装置中，所述差异信息获取子模块具体包括：

等值序列差异系数确定子模块，用于当所述差值序列的序列类型为等值序列时，将所述等值序列的值确定为所述差异系数；

等差序列差异系数确定子模块，用于当所述差值序列的序列类型为等差序列时，将所述等差序列的等差差值确定为所述差异系数；

等比序列差异系数确定子模块，用于当所述差值序列的序列类型为等比序列时，将所述等差序列的等比比值确定为所述差异系数。

在上述的模拟量数据处理装置中，所述第一平滑曲线匹配模块具体包括：

非匹配片段确定子模块，用于当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为非匹配片段；

第三基础模拟量数据存储子模块，用于将所述非匹配片段存储为第三基础模拟量数据。

在上述实施方式的技术方案中，当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，无法将所述第二平滑曲线对应的数据片段以从所述第一平滑曲线中提取数据特征的方式进行存储，则将其采用与所述第一基础模拟量数据相同的全量数据存储方式进行存储。

在上述的模拟量数据处理装置中，所述第三基础模拟量数据存储子模块具体包括：

匹配结果等待子模块，用于等待所述非匹配片段的后一数据片段的匹配结果；

数据片段合并子模块，用于当所述非匹配片段的后一数据片段同样为非匹配数据片段，则将所述非匹配片段与所述非匹配片段的后一数据片段合并为新的非匹配数据片段；

循环执行子模块，用于重复上述两个步骤直至所述非匹配片段的后一数据片段为匹配数据片段；

匹配数据片段获取子模块，用于获取所述非匹配数据片段的前一匹配数据片段和后一匹配数据片段；

所述数据片段合并子模块还用于将所述非匹配数据片段与所述非匹配数据片段的前一匹配数据片段、所述非匹配数据片段的后一匹配数据片段合并为新的非匹配数据片段；

所述第三基础模拟量数据存储子模块还包括非匹配片段存储子模块，用于将合并后的所述非匹配片段存储为第三基础模拟量数据。

采用上述实施方式的技术方案，能够得到连续时间长度较大的所述第三基础模拟量数据，所述第三基础模拟量数据的连续时间长度越大，在所述第三基础模拟量数据拟合的平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越高。上述实施方式的技术方案中，将所述非匹配数据片段的前一匹配数据片段以及所述非匹配数据片段的后一匹配数据片段合并到新的非匹配数据片段中，可以进一步提高在所述第三基础模拟量数据拟合的平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率。

在上述的模拟量数据处理装置中，还包括：

第三基础模拟量数据存在判断模块，用于当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，判断是否存在第三基础模拟量数据；

第四平滑曲线拟合模块，用于当存在第三基础模拟量数据时，将所述第三基础模拟量数据相对于时间维度拟合为第四平滑曲线；

第四平滑曲线匹配模块，用于将所述第二平滑曲线与所述第四平滑曲线进行匹配。

采用上述实施方式的技术方案，虽然所述第三基础模拟量数据与所述第一基础模拟量数据一样，采用原始的全量数据存储方式，占用的存储空间较大，但将所述第三基础模拟量数据作为所述第一基础模拟量数据的补充，所述第一基础模拟量数据以及所述第三基础模拟量数据越多，在所述第一平滑曲线或所述第四平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率就越高。

如图2所示，本发明的第二方面提出了一种模拟量数据处理方法，包括：

存储第一时间长度的第一基础模拟量数据，所述第一基础模拟量数据是以第一采样率采集的模拟量数据，所述第一采样率大于需求层面的最高历史采样率；

将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线；

以所述第一采样率采集实时模拟量数据；

将所述实时模拟量数据切分为第二时间长度的数据片段，所述第二时间长度远小于所述第一时间长度；

将每个所述数据片段相对于时间维度拟合为第二平滑曲线；

将所述第二平滑曲线与所述第一平滑曲线进行匹配；

当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为匹配片段；

提取所述曲线片段在所述第一平滑曲线上的数据特征；

将所述数据特征存储为对应所述匹配片段的第二基础模拟量数据。

具体的，在数据库中预先存储具有第一时间长度的第一基础模拟量数据作为后续提取和存储数据特征的基础数据，所述第一时间长度为在所述第一采样率的基础上包含一定数量的采样点的时间长度，所述第一时间长度应当远大于所述第一采样率对应的采样周期，使得所述第一基础模拟量数据中包含有足够的用于匹配后续数据的数据量。所述需求层面的最高历史采样率为每个模拟量以及对应的模拟量采集传感器在各种应用场景下使用过的采样率中的最高采样率，业务侧对模拟量的采样率需求往往不会大于所述需求层面的最高历史采样率。优选的，所述第一采样量为所述需求层面的最高历史采样率的整数倍。在实际应用当中，传感器以第一采样率持续采集实时模拟量数据提供给处理器处理。当业务侧获取模拟量数据时使用的第二采样率为所述需求层面的最高历史采样率，或所述需求层面的最高历史采样率为所述第二采样率的整数倍时，能够直接将所述实时模拟量数据中的采样点对应的数据提供给业务侧。所述第一平滑曲线以及所述第二平滑曲线为以时间为横轴、模拟量的取值为纵轴在平面坐标系中拟合得到的平面曲线。所述第二时间长度大于所述第一采样率对应的采样周期，小于所述第一时间长度。所述第二时间长度的取值越小，从所述第一平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越高，但相应的会占用更多的计算资源和需要更长的匹配时间。相反，所述第二时间长度的取值越大，从所述第一平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越低，需要在数据库中存储更多的第一基础模拟量数据来进行匹配，占用更多的存储资源。在所述第一平滑曲线中成功得到与所述第二平滑曲线的形状相匹配的曲线片段时，以所述曲线片段在所述第一平滑曲线上的数据特征代替所述第二平滑曲线对应的数据片段作为所述第二基础模拟量数据，能够减小需要存储的数据量，大幅降低数据库的存储压力，节省数据存储空间。

在上述的模拟量数据处理方法中，将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤具体包括：

按照预设的步长循环从所述第一平滑曲线截取与所述第二平滑曲线等长的第三平滑曲线；

使用相同的采样方式分别从所述第二平滑曲线和第三平滑曲线上获取第一采样点序列和第二采样点序列；

计算得到所述第一采样点序列和所述第二采样点序列的差值序列；

当所述差值序列为等值序列、等差序列或等比序列时，确定所述第三平滑曲线为与所述第二平滑曲线的形状相匹配的曲线片段。

具体的，所述预设的步长为时间步长，其取值大于或等于所述第一采样率对应的采样周期。同样的，所述预设的步长的取值越小，从所述第一平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越高，但相应的会占用更多的计算资源和需要更长的匹配时间。相反的，所述预设的步长的取值越大，从所述第一平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越低。在上述实施方式的技术方案中，通过将所述第一基础模拟量数据和所述实时模拟量数据分别拟合为所述第一平滑曲线和所述第二平滑曲线后，在所述第一平滑曲线和所述第二平滑曲线上取点得到所述第一采样点序列和所述第二采样点序列的方式，可以获取到比第一采样率对应的原始采样点序列更加密集的采样点序列，从而提高在所述第一平滑曲线上得到与所述第二平滑曲线形状相匹配的曲线片段的成功率。采用上述实施方式的技术方案，使用等值、等差或等比等较为简单的差值匹配规则对所述差值序列进行分析，能够极大地节省处理器的计算资源并且方便数据特征的提取，同时可以使用所述第一平滑曲线上较少数据量的参数作为所述匹配片段的数据特征，能够降低数据库的存储压力，节省存储资源。

在上述的模拟量数据处理方法中，提取所述曲线片段在所述第一平滑曲线上的数据特征的步骤具体包括：

获取所述第一平滑曲线的标识信息；

获取所述第三平滑曲线在所述第一平滑曲线上的起点时间和终点时间；

获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数，所述序列类型包括等值序列、等差序列或等比序列；

将所述第一平滑曲线的标识信息、所述起点时间、所述终点时间、所述差值序列的序列类型以及所述差异系数确定为所述曲线片段在所述第一平滑曲线上的数据特征。

在上述实施方式的技术方案中，以所述第一平滑曲线的标识信息、所述第三平滑曲线在所述第一平滑曲线上的起点时间和终点时间以及所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数等数据特征作为所述第二平滑曲线对应的数据片段的存储数据，即所述第二基础模拟量数据，可以减少需要存储的数据量，降低数据库的存储压力，节省存储空间。同时，在需要使用所述第二基础模拟量数据时，通过上述数据特征可以快速还原所述第二平滑曲线对应的数据片段，从而获得任意采样率下的模拟量数据，适应各种业务需求的使用场景。

在上述的模拟量数据处理方法中，获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数的步骤具体包括：

当所述差值序列的序列类型为等值序列时，将所述等值序列的值确定为所述差异系数；

当所述差值序列的序列类型为等差序列时，将所述等差序列的等差差值确定为所述差异系数；

当所述差值序列的序列类型为等比序列时，将所述等差序列的等比比值确定为所述差异系数。

在上述的模拟量数据处理方法中，在将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤之后，还包括：

当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为非匹配片段；

将所述非匹配片段存储为第三基础模拟量数据。

在上述实施方式的技术方案中，当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，无法将所述第二平滑曲线对应的数据片段以从所述第一平滑曲线中提取数据特征的方式进行存储，则将其采用与所述第一基础模拟量数据相同的全量数据存储方式进行存储。

在上述的模拟量数据处理方法中，将所述非匹配片段存储为第三基础模拟量数据的步骤具体包括：

等待所述非匹配片段的后一数据片段的匹配结果；

当所述非匹配片段的后一数据片段同样为非匹配数据片段，则将所述非匹配片段与所述非匹配片段的后一数据片段合并为新的非匹配数据片段；

重复上述两个步骤直至所述非匹配片段的后一数据片段为匹配数据片段；

获取所述非匹配数据片段的前一匹配数据片段和后一匹配数据片段；

将所述非匹配数据片段与所述非匹配数据片段的前一匹配数据片段、所述非匹配数据片段的后一匹配数据片段合并为新的非匹配数据片段；

将合并后的所述非匹配片段存储为第三基础模拟量数据。

采用上述实施方式的技术方案，能够得到连续时间长度较大的所述第三基础模拟量数据，所述第三基础模拟量数据的连续时间长度越大，在所述第三基础模拟量数据拟合的平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率越高。上述实施方式的技术方案中，将所述非匹配数据片段的前一匹配数据片段以及所述非匹配数据片段的后一匹配数据片段合并到新的非匹配数据片段中，可以进一步提高在所述第三基础模拟量数据拟合的平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率。

在上述的模拟量数据处理方法中，在将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤之后，还包括：

当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，判断是否存在第三基础模拟量数据；

当存在第三基础模拟量数据时，将所述第三基础模拟量数据相对于时间维度拟合为第四平滑曲线；

将所述第二平滑曲线与所述第四平滑曲线进行匹配。

采用上述实施方式的技术方案，虽然所述第三基础模拟量数据与所述第一基础模拟量数据一样，采用原始的全量数据存储方式，占用的存储空间较大，但将所述第三基础模拟量数据作为所述第一基础模拟量数据的补充，所述第一基础模拟量数据以及所述第三基础模拟量数据越多，在所述第一平滑曲线或所述第四平滑曲线中得到与所述第二平滑曲线形状相匹配的曲线片段的成功率就越高。

本发明提出了一种模拟量数据处理装置及方法，通过存储以第一采样率采集的第一基础模拟量数据，所述第一采样率大于需求层面的最高历史采样率，将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线，以所述第一采样率采集实时模拟量数据，将所述实时模拟量数据切分为数据片段，将每个所述数据片段相对于时间维度拟合为第二平滑曲线，将所述第二平滑曲线与所述第一平滑曲线进行匹配，当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，提取所述曲线片段在所述第一平滑曲线上的数据特征，将所述数据特征存储为对应所述数据片段的第二基础模拟量数据，能够提高模拟量数据在复杂工业系统环境下对于不同应用场景的普适性。

应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

依照本发明的实施例如上文所述，这些实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施例。显然，根据以上描述，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地利用本发明以及在本发明基础上的修改使用。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种模拟量数据处理装置，其特征在于，包括：

第一基础模拟量数据存储模块，用于存储第一时间长度的第一基础模拟量数据，所述第一基础模拟量数据是以第一采样率采集的模拟量数据，所述第一采样率大于需求层面的最高历史采样率；

第一平滑曲线拟合模块，用于将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线；

实时模拟量数据采集模块，用于以所述第一采样率采集实时模拟量数据；

实时模拟量数据切片模块，用于将所述实时模拟量数据切分为第二时间长度的数据片段，所述第二时间长度远小于所述第一时间长度；

第二平滑曲线拟合模块，用于将每个所述数据片段相对于时间维度拟合为第二平滑曲线；

第一平滑曲线匹配模块，用于将所述第二平滑曲线与所述第一平滑曲线进行匹配；

匹配片段确定模块，用于当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为匹配片段；

数据特征提取模块，用于提取所述曲线片段在所述第一平滑曲线上的数据特征；

第二基础模拟量数据存储模块，用于将所述数据特征存储为对应所述匹配片段的第二基础模拟量数据。

2.根据权利要求1所述的模拟量数据处理装置，其特征在于，所述第一平滑曲线匹配模块具体包括：

第三平滑曲线截取子模块，用于按照预设的步长循环从所述第一平滑曲线截取与所述第二平滑曲线等长的第三平滑曲线；

采样点序列获取子模块，用于使用相同的采样方式分别从所述第二平滑曲线和第三平滑曲线上获取第一采样点序列和第二采样点序列；

差值序列计算子模块，用于计算得到所述第一采样点序列和所述第二采样点序列的差值序列；

匹配曲线片段确定子模块，用于当所述差值序列为等值序列、等差序列或等比序列时，确定所述第三平滑曲线为与所述第二平滑曲线的形状相匹配的曲线片段。

3.根据权利要求2所述的模拟量数据处理装置，其特征在于，所述数据特征提取模块具体包括：

标识信息获取子模块，用于获取所述第一平滑曲线的标识信息；

时间信息获取子模块，用于获取所述第三平滑曲线在所述第一平滑曲线上的起点时间和终点时间；

差异信息获取子模块，用于获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数，所述序列类型包括等值序列、等差序列或等比序列；

数据特征确定子模块，用于将所述第一平滑曲线的标识信息、所述起点时间、所述终点时间、所述差值序列的序列类型以及所述差异系数确定为所述曲线片段在所述第一平滑曲线上的数据特征。

4.一种模拟量数据处理方法，其特征在于，包括：

存储第一时间长度的第一基础模拟量数据，所述第一基础模拟量数据是以第一采样率采集的模拟量数据，所述第一采样率大于需求层面的最高历史采样率；

将所述第一基础模拟量数据相对于时间维度拟合为第一平滑曲线；

以所述第一采样率采集实时模拟量数据；

将所述实时模拟量数据切分为第二时间长度的数据片段，所述第二时间长度远小于所述第一时间长度；

将每个所述数据片段相对于时间维度拟合为第二平滑曲线；

将所述第二平滑曲线与所述第一平滑曲线进行匹配；

当所述第一平滑曲线存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为匹配片段；

提取所述曲线片段在所述第一平滑曲线上的数据特征；

将所述数据特征存储为对应所述匹配片段的第二基础模拟量数据。

5.根据权利要求4所述的模拟量数据处理方法，其特征在于，将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤具体包括：

按照预设的步长循环从所述第一平滑曲线截取与所述第二平滑曲线等长的第三平滑曲线；

使用相同的采样方式分别从所述第二平滑曲线和第三平滑曲线上获取第一采样点序列和第二采样点序列；

计算得到所述第一采样点序列和所述第二采样点序列的差值序列；

当所述差值序列为等值序列、等差序列或等比序列时，确定所述第三平滑曲线为与所述第二平滑曲线的形状相匹配的曲线片段。

6.根据权利要求5所述的模拟量数据处理方法，其特征在于，提取所述曲线片段在所述第一平滑曲线上的数据特征的步骤具体包括：

获取所述第一平滑曲线的标识信息；

获取所述第三平滑曲线在所述第一平滑曲线上的起点时间和终点时间；

获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数，所述序列类型包括等值序列、等差序列或等比序列；

将所述第一平滑曲线的标识信息、所述起点时间、所述终点时间、所述差值序列的序列类型以及所述差异系数确定为所述曲线片段在所述第一平滑曲线上的数据特征。

7.根据权利要求6所述的模拟量数据处理方法，其特征在于，获取所述第二平滑曲线和所述第三平滑曲线的差值序列的序列类型以及差异系数的步骤具体包括：

当所述差值序列的序列类型为等值序列时，将所述等值序列的值确定为所述差异系数；

当所述差值序列的序列类型为等差序列时，将所述等差序列的等差差值确定为所述差异系数；

当所述差值序列的序列类型为等比序列时，将所述等差序列的等比比值确定为所述差异系数。

8.根据权利要求4所述的模拟量数据处理方法，其特征在于，在将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤之后，还包括：

当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，将所述第二平滑曲线对应的数据片段确定为非匹配片段；

将所述非匹配片段存储为第三基础模拟量数据。

9.根据权利要求8所述的模拟量数据处理方法，其特征在于，将所述非匹配片段存储为第三基础模拟量数据的步骤具体包括：

等待所述非匹配片段的后一数据片段的匹配结果；

当所述非匹配片段的后一数据片段同样为非匹配数据片段，则将所述非匹配片段与所述非匹配片段的后一数据片段合并为新的非匹配数据片段；

重复上述两个步骤直至所述非匹配片段的后一数据片段为匹配数据片段；

获取所述非匹配数据片段的前一匹配数据片段和后一匹配数据片段；

将所述非匹配数据片段与所述非匹配数据片段的前一匹配数据片段、所述非匹配数据片段的后一匹配数据片段合并为新的非匹配数据片段；

将合并后的所述非匹配片段存储为第三基础模拟量数据。

10.根据权利要求8或9任一项所述的模拟量数据处理方法，其特征在于，在将所述第二平滑曲线与所述第一平滑曲线进行匹配的步骤之后，还包括：

当所述第一平滑曲线不存在与所述第二平滑曲线的形状相匹配的曲线片段时，判断是否存在第三基础模拟量数据；

存在第三基础模拟量数据时，将所述第三基础模拟量数据相对于时间维度拟合为第四平滑曲线；

将所述第二平滑曲线与所述第四平滑曲线进行匹配。