一种综合能源智慧管理的数据处理方法及系统与流程
本发明涉及数据处理，具体为一种综合能源智慧管理的数据处理方法及系统。
背景技术：
1、随着综合能源系统在园区级多能互补场景中的广泛应用，电力、热力及燃气等多类型能源系统逐步实现协同运行，其运行状态高度依赖于多源数据的实时采集与融合处理。然而，在实际应用过程中，不同能源子系统在数据采集方式、采样频率、时间尺度及数据精度等方面存在显著差异，导致多源异构时序数据在时间对齐与统一建模过程中面临较大挑战。一方面，传统数据处理方法多采用固定时间窗口或单一尺度分析方式，难以适应能源系统运行过程中频繁出现的负荷波动、设备启停及突发扰动等动态变化，容易造成关键异常信息丢失或数据冗余累积；另一方面，多源数据在同步过程中易受传感器误差、通信延迟及数据缺失等因素影响，导致同一物理量在不同设备间存在不一致甚至冲突现象，从而降低数据融合质量，影响后续优化调度与控制决策的准确性。
2、现有技术中，虽然已有部分方法通过引入滑动窗口或统计特征分析对数据进行处理，但普遍缺乏基于数据演化特征的自适应时间窗口调节机制，难以在高波动与低波动场景下实现动态平衡。同时，对于多源数据一致性问题，多数方法仅依赖简单阈值过滤或单一数据源选择策略，未能充分考虑数据可信度差异及多源协同关系，导致数据利用效率低，且难以形成稳定可靠的数据支撑体系。
技术实现思路
1、本发明的目的在于提供一种综合能源智慧管理的数据处理方法及系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种综合能源智慧管理的数据处理方法，具体步骤包括：
4、步骤一、采集园区内多个互补能源站的电力设备数据、热力设备数据和燃气设备数据，并进行统一标识与时间对齐处理，构建统一的多源异构时序数据集；
5、步骤二、对统一的多源异构时序数据集中的各能源设备的运行状态参数进行时间对齐与同步标定处理，提取当前时刻数值，并通过滑动时间窗口统计及相邻时序差分计算，获取对应时间窗口内的平均值、各能源参数的一阶变化率及各能源参数的二阶变化加速度；
6、步骤三、通过计算数据演化稳定指数，并与数据演化稳定性阈值进行对比，判断当前能源数据演化状态是否为稳定状态，若为不稳定状态则给予自适应强化采样与优先调度策略；
7、步骤四、通过计算自适应时间窗口长度，并与窗口阈值区间进行对比，判断当前数据是否处于合理波动状态，若不处于则给予自适应窗口约束与多尺度重构策略；
8、步骤五、通过计算数据一致性指数，并与数据可信度阈值进行对比，判断当前多源数据一致状态是否合格，若合格则直接作为综合能源优化调度与控制决策的数据输入，若不合格则给予一致性优化与冲突消解策略。
9、进一步地，所述步骤一包括：
10、s11、在综合能源集团下属园区级多能互补能源站中，对电力设备运行状态进行实时监测，通过电能质量分析仪、智能电表以及电压互感器和电流互感器对并网节点及馈线回路进行测量，采集电力设备数据，包括：电压数据、电流数据、有功功率数据及电网频率数据；
11、s12、在综合能源园区的区域供热与热泵耦合系统中，对热力设备运行状态进行实时监测，通过铂电阻温度传感器、超声波流量计及压力变送器对供回水管网及换热单元进行检测，采集热力设备数据，包括：供水温度数据、回水温度数据、流量数据及管道压力数据；
12、s13、在综合能源园区的天然气分布式能源站及生物质燃料供能装置中，对燃气及燃烧系统运行状态进行实时监测，通过燃气涡轮流量计、燃气压力传感器及烟气分析仪对燃气输配管路及燃烧排放过程进行检测，采集燃气设备数据，包括燃气流量数据、燃气压力数据、烟气温度数据及烟气成分浓度数据；
13、s14、对电力设备数据、热力设备数据及燃气设备数据进行统一标识与时间对齐处理，通过时间同步方法获取统一时间戳数据，并结合设备编码规则生成设备标识数据id及物理量类型标签，并构建统一的多源异构时序数据集。
14、进一步地，所述步骤二包括：
15、s21、基于统一的多源异构时序数据集，对电力设备的有功功率数据、电压数据及电流数据，热力设备的供回水温度数据、流量数据及换热效率数据，以及燃气设备的管道压力数据、瞬时流量数据及阀门开度数据进行实时监测，采用统一时间戳对齐方法，对各能源设备在各采样时刻对应的原始运行数据进行同步标定，获取各能源参数在时刻t的当前时刻数值；
16、s22、基于当前时刻数值，采用滑动时间窗口统计方法，对当前时刻t之前预设时间窗口区间内的连续历史数据进行均值计算处理，获取对应时间窗口内的平均值；
17、s23、在基于当前时刻数值，采用相邻采样时刻差分计算方法，对当前时刻数值与前一时刻数值进行差分运算，获取各能源参数的一阶变化率；
18、s24、基于一阶变化率，进一步采用二次差分计算方法，对相邻时刻的一阶变化率进行差分运算处理，获取各能源参数的二阶变化加速度。
19、进一步地，所述步骤三包括：
20、s31、通过获取的当前时刻数值、时间窗口平均值、各能源参数的一阶变化率和各能源参数的二阶变化加速度，采用极值归一化方法进行无量纲处理，再采用加权融合算法，计算获取数据演化稳定指数。
21、进一步地，所述步骤三还包括：
22、s32、通过预设数据演化稳定性阈值，并将数据演化稳定指数与数据演化稳定性阈值进行对比分析，获取第一评估结果包括：
23、当数据演化稳定指数≤数据演化稳定性阈值时，表示当前能源数据演化状态为稳定状态，持续监测；
24、当数据演化稳定指数＞数据演化稳定性阈值时，表示当前能源数据演化状态为不稳定状态，存在负荷波动异常风险或设备运行突变风险，触发第一预警指令，生成第一策略：采用自适应采样控制方法对原始数据流进行动态调节，将数据分析时间窗口缩短20%～50%，并通过提高采样频率30%～80%及引入局部特征增强算法，对关键时间区间内的变化特征进行强化提取，提升对异常波动的识别精度；并将对应的能源设备运行数据及其关联时间片段进行波动状态标记，启动重点数据跟踪处理机制与优先级调度机制，将标记数据作为优先级输入传递至步骤四，进行驱动自适应时间窗口生成及精细化时间对齐处理。
25、进一步地，所述步骤四包括：
26、s41、基于波动状态标记数据，对标记的能源设备运行数据及其关联时间片段进行分段提取，采用滑动时间窗口统计分析方法，对窗口内采集数据进行离散度计算处理，获取局部标准差；采用极值统计方法，对同一时间窗口内的采集数据进行最大值与最小值提取，并通过差值计算，获取数据变化幅度；采用时序变化方向判定方法，对窗口内相邻采样点的数据变化趋势进行逐点比较，并统计单位时间内变化方向发生切换的次数，获取数据变化频率；
27、s42、对获取的局部标准差、数据变化幅度和数据变化频率，采用极值归一化方法进行无量纲处理，再采用加权融合算法，计算获取自适应窗口指数；
28、s43、基于数据演化稳定指数，并提取对应时间窗口内的历史稳定性统计数据，采用历史数据回归分析方法与比例映射计算方法，对数据演化稳定指数在预设参考区间内进行尺度映射处理，并结合历史运行数据中时间窗口长度与数据稳定性之间的关联关系进行拟合计算，获取窗口调节系数；
29、s44、通过获取的自适应窗口指数和窗口调节系数，无量纲处理后，采用反比例映射计算方法，计算获取自适应时间窗口长度。
30、进一步地，所述步骤四还包括：
31、s45、通过预设窗口阈值区间，并将自适应时间窗口长度与窗口阈值区间进行对比分析，获取第二评估结果，包括：
32、当自适应时间窗口长度∈窗口阈值区间时，表示当前数据处于合理波动状态，持续监测；
33、当自适应时间窗口长度窗口阈值区间时，表示当前数据不处于合理波动状态，存在波动突变风险或波动冗余风险，触发第二预警指令，生成第二策略：采用自适应采样控制方法与时间窗口约束方法，对时间窗口进行边界收敛处理，进行区间窗口调整，当自适应时间窗口长度＜最小自适应时间窗口长度时，将时间窗口提升至最小自适应时间窗口长度，并在原有基础上提高数据采样频率20%～40%，增强局部时间尺度对齐精度；当自适应时间窗口长度＞最大自适应时间窗口长度时，将时间窗口压缩至最大自适应时间窗口长度，并降低数据采样频率20%～30%，执行聚合处理；统一启动多尺度重构机制，对不同能源类型数据进行分层时间对齐与尺度重构处理，以消除时间尺度不一致带来的数据偏差；并将经窗口调节及多尺度对齐处理后的多源数据输入至步骤五，进行综合能源优化调度与控制决策分析。
34、进一步地，所述步骤五包括：
35、s51、基于经窗口调节及多尺度对齐处理后的多源数据，并基于当前时刻数值的设备标识数据id及物理量类型标签，采用同类物理量匹配方法与多源索引映射方法，在不同设备之间提取与当前时刻数值具有相同物理属性的数据，获取对应数据；
36、s52、基于统一的多源异构时序数据集数据，采用缺失率统计方法、滑动时间窗口方差计算方法及时间戳延迟分析方法，对对应设备数据的完整性、稳定性及时效性进行量化处理，并通过极值归一化及加权融合算法，计算获取当前设备数据可信度参数和对比设备数据可信度参数；
37、s53、通过获取的当前时刻数值、对应数据、当前设备数据可信度参数和对比设备数据可信度参数，无量纲处理后，采用加权差异累加方法，构建数据一致性指数。
38、进一步地，所述步骤五还包括：
39、s54、通过预设数据可信度阈值，并将数据一致性指数与数据可信度阈值进行对比分析，获取第三评估结果，包括：
40、当数据一致性指数≤数据可信度阈值时，表示当前多源数据一致状态合格，直接作为综合能源优化调度与控制决策的数据输入，持续监测；
41、当数据一致性指数＞数据可信度阈值时，表示当前多源数据一致状态不合格，存在数据冲突风险或多源测量偏差风险，触发第三预警指令，生成第三策略：采用加权最小二乘优化方法构建一致性优化函数，对多源数据进行冲突消解处理，求解最优一致值，并以最优一致值替换冲突数据；同时对一致状态不合格的数据源降低权重30%～60%，并对冲突时间片段提高数据重构频率20%～40%，对冲突数据执行局部重采样与平滑处理，以提升数据一致性；进一步对异常数据源进行标记并纳入后续优先校验队列。
42、进一步地，一种综合能源智慧管理的数据处理系统，包括：
43、多源数据采集模块，用于采集园区内多个互补能源站的电力设备数据、热力设备数据和燃气设备数据，并进行统一标识与时间对齐处理，构建统一的多源异构时序数据集；
44、时序特征提取模块，用于对统一的多源异构时序数据集中的各能源设备的运行状态参数进行时间对齐与同步标定处理，提取当前时刻数值，并通过滑动时间窗口统计及相邻时序差分计算，获取对应时间窗口内的平均值、各能源参数的一阶变化率及各能源参数的二阶变化加速度；
45、数据演化稳定性分析模块，用于计算数据演化稳定指数，并与数据演化稳定性阈值进行对比，判断当前能源数据演化状态是否为稳定状态，若为不稳定状态则给予自适应强化采样与优先调度策略；
46、自适应时间窗口分析模块，用于计算自适应时间窗口长度，并与窗口阈值区间进行对比，判断当前数据是否处于合理波动状态，若不处于则给予自适应窗口约束与多尺度重构策略；
47、多源数据一致性评估模块，用于计算数据一致性指数，并与数据可信度阈值进行对比，判断当前多源数据一致状态是否合格，若合格则直接作为综合能源优化调度与控制决策的数据输入，若不合格则给予一致性优化与冲突消解策略。
48、与现有技术相比，本发明的有益效果是：
49、本发明通过对电力、热力及燃气等多源设备数据进行统一标识与时间对齐处理，并结合多源索引映射、同类物理量匹配及数据一致性指数构建方法，实现了不同设备间同一物理量数据的有效对齐与冲突识别；进一步通过加权最小二乘优化与冲突消解策略，对异常数据进行修正与重构，能够有效降低多源测量偏差，提高数据一致性与可信度，从而为后续综合能源优化调度提供高质量数据基础。
50、本发明还通过构建包含当前值、滑动平均值、一阶变化率及二阶变化加速度的多维时序特征体系，并引入数据演化稳定指数对能源数据状态进行量化评估，实现了对负荷波动及设备运行突变的精准刻画；在检测到不稳定状态时，采用自适应强化采样与局部特征增强策略，有效提升关键时间区间的数据分辨率和异常捕捉能力，从而提高系统对突发异常的响应速度与识别精度。
51、本发明还通过引入自适应时间窗口指数与窗口调节系数，建立时间窗口长度与数据波动特性之间的动态映射关系，实现时间窗口的自适应调节；当数据波动异常时，通过窗口约束与多尺度重构机制，对多源数据进行分层对齐与尺度统一处理，有效消除时间尺度不一致带来的分析偏差；同时结合一致性评估与优化策略，实现数据处理全过程的自适应调控与协同优化，提升综合能源系统运行分析的稳定性与可靠性。