一种智能融合终端的数据融合处理方法与流程

本发明属于电力系统数据处理，具体涉及一种智能融合终端的数据融合处理方法。

背景技术：

1、随着智能电网建设的快速推进，台区智能融合终端作为电力系统边缘侧的核心设备，承担着多源数据采集、融合处理与智能调控等多重任务。多源数据融合技术通过整合来自智能电表、低压断路器、无功补偿装置、充电桩等设备的电流、电压、电量等多维数据，能够突破单一数据源的局限性，为负荷预测、设备状态监测和故障预警提供更全面准确的信息支撑。

2、针对多源数据融合问题，现有技术cn114168268b公开了一种基于容器技术的智慧台区营配数据采集融合方法，通过统一化信息模型完成数据融合，但采用固定权重融合，无法响应数据质量的动态变化；现有技术cn116304950b公开了一种配电网多源异构数据融合方法，通过神经网络进行异常分析并结合时间配准与插值填充实现融合，但神经网络训练依赖大量样本且计算开销大；现有技术cn117556377b公开了一种用于站所自动化终端的多源数据融合处理方法，通过突变程度评估进行分段并利用pca降维，但仅针对单一数据序列处理，未涉及多维度协同融合权重分配；现有技术cn118117742a公开了一种台区智能融合终端的数据处理方法，通过卷积神经网络获取台区分类结果以决策数据处理方式，但依赖黑箱模型且无法精确量化各维度数据质量差异；现有技术cn120408534b公开了一种基于多源融合数据调控的集中器智能融合终端，通过固定长度序列的波动特征获取电能质量评分和融合权重，但固定窗口无法适应数据变化模式的动态转换，且未涉及融合频率的自适应调节。

3、综上所述，现有技术在智能融合终端的多源数据处理中，亟待解决融合权重无法随数据质量动态自适应调整、数据质量评估粒度固定无法适应变化模式转换、依赖高计算开销的黑箱模型以及融合频率固定导致计算资源浪费等技术问题。

技术实现思路

1、本发明的目的在于提供一种智能融合终端的数据融合处理方法以解决现有技术中存在的上述问题，具体技术方案如下：

2、一种智能融合终端的数据融合处理方法，包括以下步骤：

3、采集台区智能融合终端的电流、电压和电量三个维度的时间序列数据，分别计算各数据维度中各数据点的突变程度评估值，将各数据维度中突变程度评估值大于预设阈值的数据点作为候选分段节点，对各数据维度的候选分段节点分别进行筛选后形成各维度各自的分段节点集合，以各分段节点集合中各节点的位置为边界，将对应维度的原始数据序列划分为若干子序列，从而各数据维度分别形成各自独立的子序列集合；

4、以子序列为单位分别计算各数据维度的数据质量评分，所述数据质量评分用于表征子序列内部数据的变化稳定程度；

5、对于任一数据融合时刻，分别确定该时刻在各数据维度上所属的子序列，将各维度所属子序列的所述数据质量评分作为对应维度的实时可信度表征，对各维度的所述实时可信度表征进行归一化，以归一化后的比值作为各维度在当前时刻的动态融合权重；

6、分别计算各数据维度在当前时刻的实测值相对于各自参考值的偏离程度，将所述偏离程度通过单调递增函数映射至[0,1)区间，得到归一化的电能使用程度指标；

7、以各维度的所述动态融合权重对所述电能使用程度指标进行加权求和，得到当前时刻的融合数据；

8、根据历史负荷数据将全天时刻划分为多个用电区间，基于各用电区间的持续时间和平均用电量分别计算各用电区间的数据融合频率，在当前所处用电区间内按照对应的数据融合频率等间隔地触发后续各时刻的融合数据计算。

9、作为本技术优选方案，所述分别计算各数据维度中各数据点的突变程度评估值，包括：对于任一数据维度中的第k个数据点，计算该数据点与其前一数据点差值绝对值作为第一差异值，计算该数据点与其后一数据点差值绝对值作为第二差异值，取所述第一差异值和第二差异值中的较大值作为该数据点的目标差异值；以该数据点为中心，取左侧连续3个数据点和右侧连续3个数据点作为邻域数据点，计算所有邻域数据点目标差异值的算术平均值作为邻域差异均值；计算该数据点的目标差异值与所述邻域差异均值的差值的绝对值，经最小-最大归一化后作为该数据点的突变程度评估值。

10、作为本技术优选方案，所述对各数据维度的候选分段节点分别进行筛选后形成各维度各自的分段节点集合，包括：按时间顺序判断相邻候选分段节点之间的时间间隔，若所述时间间隔小于预设时间间隔阈值，则保留突变程度评估值较大的节点，删除突变程度评估值较小的节点，直至所有相邻节点的时间间隔均不小于所述预设时间间隔阈值，保留下来的节点作为分段节点；将数据序列的首端点和末端点加入所述分段节点中形成分段节点集合。

11、作为本技术优选方案，所述以子序列为单位分别计算各数据维度的数据质量评分，包括：对于任一子序列，计算该子序列中最大值与最小值的差值作为极差，对所述极差取负指数映射得到第一稳定性指标；计算该子序列中相邻数据点之间纵坐标差值绝对值的分布信息熵，对所述信息熵取负指数映射得到第二稳定性指标；对所述第一稳定性指标和所述第二稳定性指标加权求和，所得值作为该子序列的数据质量评分。

12、作为本技术优选方案，所述分别计算各数据维度在当前时刻的实测值相对于各自参考值的偏离程度，包括：对于电流维度和电压维度，以当前时刻为中心在电量数据序列中前后搜索电量变化为零的最近时刻，以两个零变化时刻之间的区间内对应维度数据的算术平均值作为参考值，若搜索失败则以历史稳定期对应维度数据的算术平均值作为参考值；对于电量维度，参考值固定为零；计算当前时刻实测值与所述参考值的差值绝对值，得到所述偏离程度。

13、作为本技术优选方案，所述将所述偏离程度通过单调递增函数映射至[0,1)区间，具体为：将所述偏离程度代入转换函数、和，得到归一化的电能使用程度指标；其中，、、分别为电流维度、电压维度和电量维度的电能使用程度指标；为电流实测值与参考值的差值，为电压实测值与参考值的差值，为电量实测值，电量参考值为0。

14、作为本技术优选方案，所述对各维度的所述实时可信度表征进行归一化之后，还包括：对连续多个数据融合时刻计算得到的各维度原始动态融合权重执行滑动平均滤波，以滤波后的值作为当前时刻各维度的最终动态融合权重。

15、作为本技术优选方案，所述基于各用电区间的持续时间和平均用电量分别计算各用电区间的数据融合频率，包括：对于任一用电区间，获取其持续时间t和平均用电量e，计算时间指标，计算用电指标，若为负值则将其置为零，取所述时间指标与所述用电指标的均值作为频率权重，将所述频率权重与预设的基础融合频率相乘，得到该用电区间的数据融合频率。

16、作为本技术优选方案，所述在当前所处用电区间内按照对应的数据融合频率等间隔地触发后续各时刻的融合数据计算，具体包括：从当前时刻开始以所述数据融合频率所对应的融合间隔生成未来1小时内的融合时刻点链表，系统任务调度器在系统时钟到达所述链表中的任一融合时刻点时触发执行一次所述加权求和得到融合数据的计算，并将该时刻点从链表中删除；当链表剩余节点少于10个时自动补充生成后续时刻点；当系统跨越用电区间边界时清空当前链表并重新生成。

17、作为本技术优选方案，所述采集台区智能融合终端的电流、电压和电量三个维度的时间序列数据之后，还包括对原始数据执行物理范围校验、缺失值线性插值补全和基于滑动窗口中位数的跳变抑制三项清洗操作。

18、本发明的有益效果为：

19、1)本发明针对电流、电压、电量三个维度分别独立计算各数据点的目标差异值及突变程度评估值，据此筛选并合并分段节点，使分段边界精确对应于各维度自身的变化模式转折位置。由于三个维度的变化规律互不相同，各自的分段节点和子序列数量也互不相同，每个维度均以最适宜的粒度被切分为内部特征一致的子序列，避免了固定窗口内不同变化趋势相互掩盖的问题，为质量评分提供了准确的统计基础。

20、2)本发明对各子序列计算极差和信息熵，分别从幅值维度和有序性维度刻画数据质量，经负指数映射及加权求和后得到各子序列的质量评分。在任一融合时刻，根据该时刻在三个维度中各自所属子序列的评分进行归一化，计算出各维度的融合权重。由于三个维度的分段节点互不相同，同一时刻在不同维度中分属不同的子序列，权重分配能够实时反映各维度在局部时间区间内的数据质量差异，实现了权重的细粒度动态调节。

21、3)本发明根据历史负荷数据将一天划分为高、中、低三个用电区间，对各区间分别计算时间指标和用电指标，将两指标的均值作为频率权重乘以基础频率得到该区间的融合频率。高用电区间以较高频率密集捕捉关键变化信息，低用电区间以较低频率减少冗余计算，终端仅在调度表指定时刻执行融合计算，非融合时刻仅进行采集和存储，在保证关键时段信息完整性的同时有效降低了处理器负载和功耗。

22、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到，当然，实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。