智能电表数据压缩方法、装置和电子设备与流程

技术特征：
1.一种智能电表数据压缩方法，其特征在于，包括：获取每个智能电表在预定时间段内的绝对用电量数据和用电量变化数据；将所述每个智能电表的绝对用电量数据和用电量变化数据分别构造为绝对用电量向量和用电量变化向量；将所述绝对用电量向量和所述用电量变化向量分别乘以其转置以获得用于表示绝对用电量关联的第一矩阵和用于表示用电量变换关联的第二矩阵；使用卷积神经网络分别从所述第一矩阵和所述第二矩阵中获得第一特征图和第二特征图；获取所述每个智能电表的默认数据压缩比例并将所述每个智能电表的默认数据压缩比例构造为先验概率向量；以所述先验概率向量作为查询向量分别与所述第一特征图和所述第二特征图进行矩阵相乘以获得第一特征向量和第二特征向量；依据贝叶斯公式基于所述第一特征向量和所述第二特征向量中每个位置的特征值，计算所述先验概率向量中每个位置的特征值对应的后验概率值，以获得由各个位置的后验概率值构成的编码特征向量；使用解码器对所述编码特征向量进行解码，以获得与所述编码特征向量长度相等的解码特征向量；以及基于所述解码特征向量的各个位置的特征值，确定各个所述智能电表当前要设置的数据压缩比率。2.根据权利要求1所述的智能电表数据压缩方法，其中，获取每个智能电表在预定时间段内的绝对用电量数据和用电量变化数据，包括：获取向每个所述智能电表传输的用户在用电过程中的实时电流波形；对每个所述实时电流波形进行傅里叶变换，以获得每个所述实时电流波形在各个谐波频率下的电流值；将所述实时电流波形在各个谐波频率下的电流值确定为所述绝对用电量数据；以及将所述实时电流波形在相邻谐波频率下的电流值之差确定为所述用电量变化数据。3.根据权利要求2所述的智能电表数据压缩方法，其中，对每个所述实时电流波形进行傅里叶变换，以获得每个所述实时电流波形在各个谐波频率下的电流值之后，进一步包括：从每个所述实时电流波形在各个谐波频率下的电流值中截取前n个谐波频率下的数值。4.根据权利要求1所述的智能电表数据压缩方法，其中，在使用卷积神经网络分别从所述第一矩阵和所述第二矩阵中获得第一特征图和第二特征图中，所述卷积神经网络的最后一层以sigmoid函数激活以将所述第一特征图和所述第二特征图中各个位置的特征值转化到0到1的区间内。5.根据权利要求1所述的智能电表数据压缩方法，其中，使用卷积神经网络分别从所述第一矩阵和所述第二矩阵中获得第一特征图和第二特征图，包括：所述卷积神经网络以如下公式分别从所述第一矩阵和所述第二矩阵中获得第一特征图和第二特征图；其中，所述公式为：f
i
＝sigmoid(n
i
×
f
i
‑1 b
i
)
其中，f
i
‑1为第i层卷积神经网络的输入，f
i
为第i层卷积神经网络的输出，n
i
为第i层卷积神经网络的卷积核，且b
i
为第i层卷积神经网络的偏置向量，sigmoid表示激活函数为sigmoid激活函数。6.根据权利要求1所述的智能电表数据压缩方法，其中，在使用卷积神经网络分别从所述第一矩阵和所述第二矩阵中获得第一特征图和第二特征图中，包括：将所述第一特征图和所述第二特征图输入类softmax分类函数以将所述第一特征图和所述第二特征图转化到概率空间中，且被转化到概率空间中的所述第一特征图中各个位置的特征值之和为1，被转化到概率空间中的所述第二特征图中各个位置的特征值之和为1；其中，所述类softmax分类函数为：yi＝exp(xi)/∑exp(xi)，其中，xi为所述第一特征图或所述第二特征图中各个位置的特征值。7.根据权利要求1所述的智能电表数据压缩方法，其中，依据贝叶斯公式基于所述第一特征向量和所述第二特征向量中每个位置的特征值，计算所述先验概率向量中每个位置的特征值对应的后验概率值，以获得由各个位置的后验概率值构成的编码特征向量，包括：基于所述第一特征向量和所述第二特征向量中每个位置的特征值，以如下公式计算所述先验概率向量中每个位置的特征值对应的后验概率值，以获得由各个位置的后验概率值构成的编码特征向量；其中，所述公式为：yi＝∑
xi∈j，ai∈l，bj∈k
xi*ai/bi，其中，xi表示所述先验概率向量中每个位置的特征值；ai表示所述第一特征向量中每个位置的特征值，且bi表示所述第二特征向量中每个位置的特征值。8.根据权利要求1所述的智能电表数据压缩方法，其中，基于所述解码特征向量的各个位置的特征值，确定各个所述智能电表当前要设置的数据压缩比率，包括：以类softmax分类函数将所述解码特征向量转换到概率空间中，以使得所述解码特征向量中各个位置的特征值在0到1的区间内；基于总数据传输带宽和被转化到概率空间的所述所述解码特征向量，确定每个所述智能电表的分配数据带宽；以及基于所述分配数据带宽与每个所述智能电表的当前数据量，计算每个所述智能电表的数据压缩比率。9.一种智能电表数据压缩装置，其特征在于，包括：电量数据单元，用于获取每个智能电表在预定时间段内的绝对用电量数据和用电量变化数据；向量构造单元，用于将所述每个智能电表的绝对用电量数据和用电量变化数据分别构造为绝对用电量向量和用电量变化向量；矩阵构造单元，用于将所述绝对用电量向量和所述用电量变化向量分别乘以其转置以获得用于表示绝对用电量关联的第一矩阵和用于表示用电量变换关联的第二矩阵；特征图提取单元，用于使用卷积神经网络分别从所述第一矩阵和所述第二矩阵中获得第一特征图和第二特征图；先验概率向量构造单元，用于获取所述每个智能电表的默认数据压缩比例并将所述每个智能电表的默认数据压缩比例构造为先验概率向量；向量查询单元，用于以所述先验概率向量作为查询向量分别与所述第一特征图和所述
第二特征图进行矩阵相乘以获得第一特征向量和第二特征向量；编码特征向量生成单元，用于依据贝叶斯公式基于所述第一特征向量和所述第二特征向量中每个位置的特征值，计算所述先验概率向量中每个位置的特征值对应的后验概率值，以获得由各个位置的后验概率值构成的编码特征向量；解码单元，用于使用解码器对所述编码特征向量进行解码，以获得与所述编码特征向量长度相等的解码特征向量；以及数据压缩比率设置单元，用于基于所述解码特征向量的各个位置的特征值，确定各个所述智能电表当前要设置的数据压缩比率。10.一种电子设备，包括：处理器；以及存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1
‑
8中任一项所述的智能电表数据压缩方法。

技术总结
本申请涉及智能电网领域，具体地一种智能电表数据压缩方法、装置和电子设备，其智能电表一端来基于用户在用电过程中的绝对用电量和用电量变化数据来设置数据压缩比例，这样减少智能电网系统的通信负载。并且，由于在智能电表一端进行数据压缩，可以减少智能电表传送到控制中心的数据量从而减少智能电网系统的负担。负担。负担。


技术研发人员：曾庭峰
受保护的技术使用者：杭州晶谷富完科技有限公司
技术研发日：2021.07.19
技术公布日：2021/11/9