CN117973697B - 一种电力布设装置的数据高效处理方法 - Google Patents

Abstract

本发明涉及电数字数据处理技术领域，尤其涉及一种电力布设装置的数据高效处理方法，该方法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，获取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，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。

Description

一种电力布设装置的数据高效处理方法

技术领域

本发明涉及电数字数据处理技术领域，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

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。

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。

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。

发明内容

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。

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：

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。

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：

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；

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；

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；

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；

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。

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。

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：

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。

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：

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；

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；

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；

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。

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：

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。

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：

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。

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：

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；

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。

本发明实施例与现有技术相比存在的有益效果是：

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。

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是本发明实施例一提供的一种电力布设装置的数据高效处理方法的方法流程图。

具体实施方式

下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。

需要说明的是，本公开的说明书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与本公开的一些方面相一致的装置和方法的例子。

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。

参见图1，是本发明实施例一提供的一种电力布设装置的数据高效处理方法的方法流程图，如图1所示，该方法可以包括：

步骤S101，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。

电力布设装置包括电力系统中的各种电力设备，在对电力系统中的各个电力布设装置的电缆铺设完成之后，在铺设完成的电缆中均匀设置电力布设装置节点，用于采集对应电缆上的电流数据，可以每条电缆中的每段中设置一个节点，对此不做限制。针对任一电力布设装置节点，根据预设的采样频率，对该电力布设装置节点处的电缆上的电流数据，从而得到预设时段内的所有电流数据，将其整理为电缆电流时序数据。优选的，本发明实施例中，设置采样频率为0.1秒，预设时段为10分钟，对此不做限制。

至此，能够获取若干个电力布设装置节点处的电缆电流时序数据。

步骤S102，针对任一电缆电流时序数据，根据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，根据每个数据点的疑似异常波动程度对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。

电缆内部的电流在传输过程中本身存在一定的轻微波动，仅靠电缆电流时序数据中每个数据点两侧的数据点变化难以获取异常波动的数据点。考虑到正常的电流数据波动幅度较小，且波动变化较为随机，而在出现异常电流数据波动时，异常电流数据波动存在突发的较大幅度变化，也可能存在基于正常波动规律，由相同波动趋势的波动不断累加组成的异常电流数据波动，因此，本发明实施例中，基于上述特征，根据电缆电流时序数据中的相邻数据之间的连续变化趋势特征，分别获取每个电缆电流时序数据中的疑似异常波动数据点。

针对任一电缆电流时序数据，首先，根据电缆电流时序数据中的相邻数据点之间的变化差异，分别获取电缆电流时序数据中的每个数据点的疑似异常波动程度，其中，获取任一数据点的疑似异常波动程度的具体方法为：

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；

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；

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；

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；

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。

在一实施方式中，以第w个电力布设装置节点处的电缆电流时序数据为例，将电缆电流时序数据中的数据点投射到二维直角坐标系中，其中二维直角坐标系的横轴为时间，纵轴为电缆电流值，由于电缆电流时序数据中的第一个数据点属于初始数据，不存在变化对比对象，则默认第一数据点属于正常数据，从而设置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，但是针对电缆电流时序数据中除第一个数据点之外的第q个数据点，根据第q个数据点两侧的其他数据点的变化趋势，获取第q个数据点的疑似异常波动程度，则第q个数据点的疑似异常波动程度的计算表达式为：

其中，表示第w个电力布设装置节点处的电缆电流时序数据中除第一个数据点之外的第q个数据点的疑似异常波动程度，| |表示绝对值符号，/>表示在二维直角坐标系中第q个数据点与第q-1个数据点（也即是第q个数据点的前相邻数据点）之间的第一直线斜率，/>表示在二维直角坐标系中第q个数据点与第q+1个数据点（也即是第q个数据点的后相邻数据点）之间的第二直线斜率，/>表示在二维直角坐标系中第q个数据点与第一目标数据点之间的第一数据点集合，/>表示第一数据点集合中的第i个数据点和第i-1个数据点之间的第一欧式距离，/>表示在二维直角坐标系中第q个数据点与第二目标数据点之间的第二数据点集合，/>表示第二数据点集合中的第j个数据点和第j-1个数据点之间的第二欧式距离。

其中，第一目标数据点是指在二维直角坐标系中第q个数据点左侧的每个数据点与其前一个数据点之间的直线斜率第一次出现正负属性发生变化所对应的数据点；同理，第二目标数据点是指在二维直角坐标系中第q个数据点右侧的每个数据点与其前一个数据点之间的直线斜率第一次出现正负属性发生变化所对应的数据点。

需要说明的是，的值用于表征第q个数据点两侧的直线斜率差值，该直线斜率差值越大，说明第q个数据点处的数据突变程度越大，第q个数据点属于异常波动的可能性越大，对应第q个数据点的疑似异常波动程度越大；/>的值用于表征第q个数据点与其左侧发生直线斜率突变所对应的数据点之间的所有数据点的变化差异总和，/>的值用于表征第q个数据点与其右侧发生直线斜率突变所对应的数据点之间的所有数据点的变化差异总和，进而利用均值表征第q个数据点处的整体延伸数据变化程度，均值越大，说明第q个数据点处的整体变化趋势越大，第q个数据点属于异常波动的可能性越大，对应第q个数据点的疑似异常波动程度越大。

同理，获取电缆电流时序数据中的每个数据点的疑似异常波动程度，之后，根据每个数据点的疑似异常波动程度对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，具体为：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。

在一实施方式中，设置疑似异常波动程度阈值为0.6，具体可根据实际场景需求进行设置，当任一数据点的疑似异常波动程度大于或等于0.6时，认为该数据点为疑似异常波动的电缆电流数据，则将该数据点作为疑似异常波动数据点，从而得到电缆电流时序数据中的若干个疑似异常波动数据点。

步骤S103，根据所有疑似异常波动数据点在电缆电流时序数据中的位置间隔以及每个疑似异常波动数据点的疑似异常波动程度，获取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。

通过步骤S102的方法分析电缆中的电流存在的异常波动特征，以排除正常的电流数据波动对异常分析的干扰，获取到更加准确的具有异常波动特征的疑似异常波动数据点。在获取到电缆电流时序数据中的所有疑似异常波动数据点之后，考虑到只根据电缆电流时序数据内部的电流波动特征进行疑似异常数据点的获取，对分析电缆电流时序数据的异常程度具有一定的局部局限性，因此，本发明实施例中，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，具体获取方法为：

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；

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；

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；

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。

在一实施方式中，当异常波动是由突发性的干扰时间引起时，异常数据点可能呈现随机性的变化，具有较短的持续时间，而当异常波动是由电力排布或电缆负载问题造成时，异常数据点的变化具有周期性波动，异常数据点可能会以相似固定的间隔出现，且持续时间更长，因此，获取电缆电流时序数据的初始异常程度的计算表达式为：

其中，表示第w个电力布设装置节点处的电缆电流时序数据的初始异常程度，表示疑似异常波动数据点的数量，/>表示第w个电力布设装置节点处的电缆电流时序数据中的第i个疑似异常波动数据点的疑似异常波动程度，/>表示第w个电力布设装置节点处的电缆电流时序数据中的最后一个疑似异常波动数据点对应的位置，/>表示第w个电力布设装置节点处的电缆电流时序数据中的第一个疑似异常波动数据点对应的位置，/>表示第w个电力布设装置节点处的电缆电流时序数据的时序长度，/>表示以自然常数e为底数的指数函数，/>表示第w个电力布设装置节点处的电缆电流时序数据中的所有疑似异常波动数据点的疑似异常波动程度方差，/>表示第w个电力布设装置节点处的电缆电流时序数据中的每两个相邻疑似异常波动数据点之间的间隔距离的方差。

需要说明的是，用于表示第w个电力布设装置节点处的电缆电流时序数据中的疑似异常波动数据点的最大时间跨度，/>的值越大，说明最大时间跨度越大，对应异常持续时间越长，第w个电力布设装置节点处的电缆电流时序数据中的整体疑似异常程度越强，对应第w个电力布设装置节点处的电缆电流时序数据的初始异常程度越大；/>的值越小，说明疑似异常波动数据点的异常程度越集中，越具有周期性，同理，/>的值越小，说明疑似异常波动数据点之间的间隔距离越相似，疑似异常波动数据点的分布越具有周期性，具有电力排布产生的异常特征程度越强，对应第w个电力布设装置节点处的电缆电流时序数据的初始异常程度越大。

同理，根据第w个电力布设装置节点处的电缆电流时序数据的初始异常程度的获取方法，分别获取每个电力布设装置节点处的电缆电流时序数据的初始异常程度。

电流的波动异常在布设后的电缆上具有传导性，如果电缆是通过接近排列或平行布设的方式铺设，并且当前部分发生了电流或电磁波动异常，这些波动可能会在电缆中以传导或耦合的形式向后部分传输，这种传输可能导致电缆后部分出现相似或相关的波动异常，尤其是在电缆长度较长、电流变化较快或波动频率较高的情况下，因此，电力布设装置节点处的异常数据存在相关节点，且具有两者之间具有一定相似性，当相关节点之间的异常数据的相似性较低时，说明该部分异常可能有外部环境造成，在检测时为环境干扰异常，反之，属于电力排布或是电缆负载问题产生的，故为了提高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程度分析的准确性，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：

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。

在一实施方式中，以第w个电力布设装置节点处的电缆电流时序数据为例，则第w个电力布设装置节点处的电缆电流时序数据的最终异常程度的计算表达式：

其中，表示第w个电力布设装置节点处的电缆电流时序数据的最终异常程度，| |表示绝对值符号，/>表示第w个电力布设装置节点处的电缆电流时序数据的初始异常程度，/>表示与第w个电力布设装置节点处的电缆电流时序数据的初始异常程度最相似的其他电力布设装置节点处的电缆电流时序数据的初始异常程度，最相似是指初始异常程度之间的差值绝对值最小。

需要说明的是，的值越大，说明对应两个电缆电流时序数据的异常程度越相似，是电缆排布或电路负载等因素引起的异常程度的可能性越强，因此，采用/>的形式表示，对应第w个电力布设装置节点处的电缆电流时序数据的最终异常程度越强。

至此，能够得到每个电力布设装置节点处的电缆电流时序数据的最终异常程度。

步骤S104，根据每个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。

在得到所有电力布设装置节点处的电缆电流时序数据的最终异常程度之后，即可根据每个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，具体为：

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；

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；

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。

优选的，本发明实施例中异常程度阈值设置为0.5，预设值设置为1，此处不做限制。

需要说明的是，在对所有电缆电流时序数据进行自适应数据压缩处理之后，即可将压缩后的数据远程传输至数据分析终端，以便于后续对电力系统进行运行状态的监测，此处不属于本发明的重点，不再详细赘述。

综上所述，本发明实施例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。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (6)

1.一种电力布设装置的数据高效处理方法，其特征在于，所述一种电力布设装置的数据高效处理方法包括：

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；

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：

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；

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；

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；

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；

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；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。

2.根据权利要求1所述的一种电力布设装置的数据高效处理方法，其特征在于，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：

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。

3.根据权利要求1所述的一种电力布设装置的数据高效处理方法，其特征在于，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：

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；

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；

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；

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。

4.根据权利要求1所述的一种电力布设装置的数据高效处理方法，其特征在于，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：

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。

5.根据权利要求1所述的一种电力布设装置的数据高效处理方法，其特征在于，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：

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。

6.根据权利要求5所述的一种电力布设装置的数据高效处理方法，其特征在于，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：

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；

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。