面向需求的输变电设备多源异构数据智能采集优化方法与流程

1.本发明属于数据处理技术领域，具体涉及一种面向需求的输变电设备多源异构数据智能采集优化方法。


背景技术：

2.由于输变电设备的数据不仅具有多源异构性和关系复杂性，而且数据质量往往不高，目前，大多数的输变电边缘侧设备还处于被动式管理及控制的阶段，其边缘侧采集方法主要是基于传统的模拟信号采集方式，使用传感器将信号转换为模拟电信号，然后再通过模数转换器将模拟电信号转换为数字信号进行采集。然而，这种采集策略存在以下技术问题：
3.(1)数据获取频率单一：传统的模拟信号采集方式受限于采集策略本身的限制，采集频率较为单一，无法满足数字孪生模型对不同数据的多样化需求。
4.(2)数据精度问题：模拟信号采集方式存在信号放大和信噪比下降的因素，进而导致数据采集精度不高，不适合数字孪生模型的数据精细化分析。
5.(3)数据时效性局限：模拟信号采集方式只能采集部分特定的参数，如电流、电压、功率等，传统边缘侧采集策略对于采集数据的处理具有一定的延滞性，不能很好地反映当前设备运行中的状态及问题，导致工作人员在管理过程中面临数据时效性较差的问题，数据较差的时效性也阻碍了数字孪生模型的构建。
6.因此目前的输变电设备边缘侧采集机制在数据获取频率、数据精度、数据类型等方面均存在不同程度的问题。
7.因此，输变电设备的边缘侧数据获取是一个高维度、多层次的复杂动态过程，在数据的获取过程中迫切需要更新数据的采集策略，提升数据的分析算法，创新边缘侧数据的智能采集机制。


技术实现要素：

8.本发明要解决的技术问题是：提供一种面向需求的输变电设备多源异构数据智能采集优化方法，以解决目前的输变电设备边缘侧采集机制在数据获取频率、数据精度及数据时效性局限等技术问题。
9.本发明采取的技术方案为：
10.一种面向需求的输变电设备多源异构数据智能采集优化方法，所述方法包括：
11.步骤1、采集输变电设备原始数据信息，按数据类型对原始数据进行分类，分为结构化数据和时序数据；
12.步骤2、对结构化数据进行波动性分析，利用变异系数法获得频率打分，通过重复率和缺失率进行打分调整，获得波动性指标；
13.步骤3、对时序数据进行波动性分析，计算波动性序列，取波动性分布图中累积概率80％的位置作为波动性指标；
14.步骤4、根据波动性指标排序获得理论采集频率排序，根据先验知识对采集频率进行排序调整；
15.步骤5、计算采集频率排序变化率，根据排序变化率以及波动性指标调整采集频率，获得调整后的采集频率。
16.按数据类型对原始数据进行分类的方法为：将输变电设备采集数据存到云端数据库，根据前一个批注的分类分别从数据库中进行读取，完成分类工作；结构化数据包括电网管理平台数据；时序数据包括在线监测数据、调度自动化系统数据及环境数据。
17.步骤2所述获得波动性指标的方法包括：
18.步骤2.1、利用数据标准化消除量纲；
19.标准化后的数据矩阵为r
ij
：
[0020][0021]
式中，x’ij
为输入数据矩阵，n为每个指标的数据数量；
[0022]
步骤2.2、计算变异系数；
[0023]
计算每个指标的均值a
ij
，计算公式如下：
[0024][0025]
式中，r
ij
为标准化后的数据矩阵，n为每个指标的数据数量；
[0026]
计算每个指标的标准差(均方差)sj，计算公式如下：
[0027][0028]
式中，r
ij
为标准化后的数据矩阵，a
ij
为每个指标的均值，n为每个指标的数据数量；
[0029]
计算每个指标的变异系数vj，计算公式如下：
[0030][0031]
式中，sj每个指标的标准差(均方差)，a
ij
为每个指标的均值；
[0032]
步骤2.3、计算权重及得分：
[0033]
每个指标的权重ωj计算公式如下：
[0034][0035]
式中，vj为每个指标的变异系数，n为每个指标的数据数量；
[0036]
得分scorei计算公式如下：
[0037][0038]
式中，ωj为每个指标的权重，r
ij
为标准化后的数据矩阵，n为每个指标的数据数量；
[0039]
步骤2.4、计算重复率及缺失率，基于变异系数法的打分结果，根据重复率与缺失率对各个数据字段的波动性打分分别进行等比例调整，得到调整后的频率打分结果，即结构化数据的波动性指标。
[0040]
时序数据波动性指标的获取方法包括：
[0041]
步骤3.1、计算数据序列的波动性：将时序数据按照相同间隔的统计周期进行分组；分别获取该组数据各数据序列的标准差和全数据的极差，数据序列的波动性定义为各序列标准差与全数据极差之比，用si表示，
[0042][0043]
式中，i为数据序列的序号；σ
xi
为第i个数据系列的标准差；x
max
和x
min
分别为整个数据系列的最大值和最小值；
[0044]
步骤3.2、应用“二八原则”对时序数据的波动性分布图进行分析；画出波动性序列的分布图，取分布概率80％的位置，作为该字段的总体波动性，即该时间序列的波动性指标。
[0045]
应用“二八原则”对时序数据的波动性分布图进行分析的方法包括：
[0046]
步骤3.2.1、画出波动性数值的柱形分布图；
[0047]
步骤3.2.2、计算累计频率百分比，即图中右侧y轴对应的数据；
[0048]
步骤3.2.3、标记累计百分比80％特征因素的位置，得到超过80％占比的节点值索引以及位置；
[0049]
步骤3.2.4、得到索引在80％占比的节点值索引位置之前的具体内容；
[0050]
步骤3.2.5、根据得到的数据绘制波动性分布图。
[0051]
步骤4所述根据波动性指标排序获得理论采集频率排序，根据先验知识对采集频率进行排序调整的方法包括：
[0052]
步骤4.1、对结构化数据以及时序数据进行波动性分析，获得结构化数据以及时序数据各个字段的波动性值s，分别对不同数据库中各个字段的s值进行排序，得到数据字段的理论频率排序rt；
[0053]
步骤4.2、根据采集的数据需求报告以及输变电设备多源异构数据边缘侧智能筛选方法对源数据字段得出的筛选结果，对数据字段的理论频率排序rt进行调整。
[0054]
步骤4.2中对数据字段的理论频率排序rt进行调整的方法包括：
[0055]
步骤4.2.1、面向采集的数据需求，删除与采集的数据需求无关的数据字段，即将该字段从所属数据库的采集频率排序中直接剔除；
[0056]
步骤4.2.2、根据智能筛选方法对源数据字段得出的筛选结果，将筛选中选取的三种数据字段根据冗余因子排序顺序分别降低采集频率排序15％，10％和5％；
[0057]
步骤4.2.3、将得出的采集频率排序作为数据字段的理论频率排序rt。
[0058]
根据排序变化率以及波动性指标调整采集频率的方法包括：
[0059]
步骤5.1、计算排序变化率：
[0060]
利用数据字段的理论频率排序rt与数据字段的初始频率排序ri进行计算，得出数据字段的频率排序变化率rc；
[0061][0062]
式中：rt为数据字段的理论频率排序，ri为数据字段的初始频率排序；
[0063]
步骤5.2、利用数据字段的频率排序变化率rc对理论频率排序rt与初始频率排序ri进行对比，以rc＝20％为界限，如果rc《＝20％，则保持初始频率，如果rc》20％则根据波动性指标对采集频率进行调整；
[0064]
步骤5.3、对要频率调整的数据字段的波动性s进行零均值归一化处理，获得数据字段标准化的波动性数值s_z；
[0065][0066]
式中：μ为波动性数据s的均值，δ为原始数据波动性数据s的标准差；各数据字段经过处理的波动性数值s_z的均值均为0，标准差均为1；
[0067]
计算得到数据字段调整后的采集频率sf*
[0068]
sf*＝sf
×
[1+rc
×
(1+s_z)]
[0069]
式中：sf为数据字段的初始采集频率，rc为数据字段的排序变化率，s_z为数据字段标准化的波动性数值；
[0070]
步骤5.4、整合不需要频率调整的数据字段的采集频率sf以及需要频率调整的数据字段调整后的采集频率sf*，得到数据库中所有字段更新后的采集频率sf*。
[0071]
本发明的有益效果：
[0072]
本发明能够通过衡量采集数据的波动性程度，根据波动性程度对不同数据库的各个数据字段的采集频率进行动态调整，不断优化数据采集频率，因此能够突破传统数据采集策略数据获取频率单一、数据精度不高、数据时效性较差的问题。
[0073]
本发明通过对输变电设备的边缘侧采集频率进行动态调整，以达到提高数据获取质量的目的，并使数据更符合后续数字孪生模型的数据需求。在调整输变电设备的边缘侧采集频率的指标选取方面，本发明通过衡量采集数据的波动性程度，根据波动性程度对不同数据库的各个数据字段的采集频率进行动态调整。进一步考虑数据波动性的衡量指标，基于输变电设备边缘侧数据的多元异构性特征，本发明对于结构化数据以及时序数据提出了两种不同的波动性衡量指标；对于波动性指标的构建，本发明采用权重计算方法中的变异系数建模方法，运用于结构化数据的波动性分析过程中；运用于时序数据的波动性分析过程中。
[0074]
对于波动性指标的构建，本发明对于结构化数据采用变异系数建模方法，根据重复率与缺失率对波动性进行调整，将调整后的结果作为结构化数据的波动性指标；对于时序数据，分组计算并画出波动性分布图，将波动性分布图累计百分比80％特征因素的波动性作为时序数据的波动性指标。
[0075]
本发明构建了面向需求的输变电设备多源异构数据边缘侧智能采集方法，形成数字孪生模型数据的边缘侧智能采集优化机制，优化输变电设备传感器数据采集策略，对海量多源异构数据进行智能采集，提高边缘侧数据获取效率和质量。
[0076]
本发明的有益效果具体可归纳为以下几点：(1)根据输变电设备的边缘侧数据的多元异构性特征，对于结构化数据以及时序数据提出了两种不同的波动性衡量指标，提升了边缘侧数据波动性分析的效果。(2)提出了一套采集频率动态调整机制，通过输变电设备边缘侧采集频率的动态调整，提升了输变电设备的边缘侧数据获取质量，优化了输变电设备传感器数据采集策略。
附图说明
[0077]
图1为本发明流程示意图；
[0078]
图2为本发明具体实施方式场景展示图。
具体实施方式
[0079]
本发明一种面向需求的输变电设备多源异构数据智能采集优化方法，具体细节说明如下：
[0080]
步骤1、采集输变电设备原始数据信息，按数据类型对原始数据进行分类；输变电设备采集数据到云端数据库，根据前一个批注的分类分别从数据库中进行读取，完成分类工作。
[0081]
(1)结构化数据：电网管理平台数据(资产台账、主变机理模型、设备部件、构建3d变电站所需的位置信息、试验和运检数据、状态评价等)
[0082]
(2)时序数据：在线监测数据(主变gis、传感器映射等)、调度自动化系统数据(设备综合展示、状态监测及预测等)、环境数据(气象、温度、导线覆冰等)
[0083]
步骤2、对结构化数据进行波动性分析，利用变异系数法获得频率打分，通过重复率和缺失率进行打分调整，获得波动性指标；具体包括：
[0084]
步骤2.1、利用数据标准化消除量纲。
[0085]
由于不同的指标数据的单位不同，因此无法直接对其进行计算，而数据标准化的目的就是消除单位的影响，使所有数据都能够用同一种方法对其进行计算。令标准化后的数据矩阵为r
ij
。
[0086][0087]
式中，x’ij
为输入数据矩阵，n为每个指标的数据数量。
[0088]
步骤2.2、计算变异系数。
[0089]
计算每个指标的均值a
ij
，计算公式如下：
[0090][0091]
式中，r
ij
为标准化后的数据矩阵，n为每个指标的数据数量。
[0092]
计算每个指标的标准差(均方差)sj，计算公式如下：
[0093][0094]
式中，r
ij
为标准化后的数据矩阵，a
ij
为每个指标的均值，n为每个指标的数据数量。
[0095]
因为标准差可以描述取值的离散程度，即某指标的方差反映了该指标的的分辨能力，所以可用标准差定义指标的权重。
[0096]
计算每个指标的变异系数vj，计算公式如下：
[0097][0098]
式中，sj每个指标的标准差(均方差)，a
ij
为每个指标的均值。
[0099]
步骤2.3、计算权重及得分。
[0100]
每个指标的权重ωj计算公式如下：
[0101][0102]
式中，vj为每个指标的变异系数，n为每个指标的数据数量。
[0103]
得分scorei计算公式如下：
[0104][0105]
式中，ωj为每个指标的权重，r
ij
为标准化后的数据矩阵，n为每个指标的数据数量。
[0106]
步骤2.4、计算波动性指标。
[0107]
计算重复率及缺失率，基于变异系数法的打分结果，根据重复率与缺失率对各个数据字段的波动性打分分别进行等比例调整，得到调整后的频率打分结果，即结构化数据的波动性指标。
[0108]
步骤3、对时序数据进行波动性分析，计算波动性序列，取波动性分布图中累积概率80％的位置作为波动性指标；具体步骤包括：
[0109]
步骤3.1、计算数据序列的波动性。
[0110]
对于一组长系列时序数据，长系列时序数据指指数据量较大的数据，电力数据采集需要对海量数据进行操作，并且符合时序数据的数据要求；按照相同间隔的统计周期进行分组，切割成多个数据序列。每个字段的数量为该字段的数据总数量除以固定的统计周期；分别获取该组数据各数据序列的标准差和全数据的极差，该数据序列的波动性定义为各序列标准差与全数据极差之比，用si表示。
[0111][0112]
式中，i为数据序列的序号；σ
xi
为第i个数据系列的标准差；x
max
和x
min
分别为整个数
据系列的最大值和最小值。
[0113]
步骤3.2、应用“二八原则”对时序数据的波动性分布图进行分析。画出波动性序列的分布图，取分布概率80％的位置，作为该字段的总体波动性，即该时间序列的波动性指标。
[0114]
具体分析过程如下：
[0115]
(1)画出波动性数值的柱形分布图；
[0116]
(2)计算累计频率百分比，即图中右侧y轴对应的数据；
[0117]
(3)标记累计百分比80％特征因素的位置，得到超过80％占比的节点值索引以及位置；
[0118]
(4)得到核心的特征因素信息，即索引在80％占比的节点值索引位置之前的具体内容；
[0119]
(5)利用前四步得到的数据绘制波动性分布图。
[0120]
步骤4、采集频率调整机制，根据波动性指标排序获得理论采集频率排序，根据先验知识，采集需求和筛选结论进行排序调整。
[0121]
步骤4.1，总结波动性分析结果。
[0122]
用两种波动性分析的方法对结构化数据以及时序数据进行波动性分析，获得结构化数据以及时序数据各个字段的波动性值s。分别对不同数据库中各个字段的s值进行排序，得到数据字段的理论频率排序rt。
[0123]
步骤4.2，根据先验知识进行排序调整。
[0124]
根据采集的数据需求报告以及输变电设备多源异构数据边缘侧智能筛选方法对源数据字段得出的筛选结果，对数据字段的理论频率排序rt进行进一步调整，具体调整规则如下：
[0125]
(1)面向采集的数据需求，删除与采集的数据需求无关的数据字段，即将该字段从所属数据库的采集频率排序中直接剔除；
[0126]
(2)根据智能筛选方法对源数据字段得出的筛选结果，将筛选中选取的三种数据字段根据冗余因子排序顺序分别降低采集频率排序15％，10％，5％。
[0127]
(3)将前两步计算得出的采集频率排序作为数据字段的理论频率排序rt。
[0128]
步骤5、计算采集频率排序变化率，根据排序变化率以及波动性指标调整采集频率，获得调整后的采集频率；具体包括：
[0129]
步骤5.1，计算排序变化率。
[0130]
利用数据字段的理论频率排序rt与数据字段的初始频率排序ri进行计算，可以得出数据字段的频率排序变化率rc。具体计算公式如下：
[0131][0132]
其中，rt为数据字段的理论频率排序，ri为数据字段的初始频率排序。
[0133]
步骤5.2，判断字段的采集频率是否需要进行调整。
[0134]
利用数据字段的频率排序变化率rc对理论频率排序rt与初始频率排序ri进行对比，以rc＝20％为界限，区分理论频率排序rt与初始频率排序ri是否接近。假如二者较为接近(rc《＝20％)，则保持初始频率，假如二者相差较大(rc》20％)，则需要根据波动性指标对
采集频率进行调整。
[0135]
步骤5.3，对采集频率进行调整。
[0136]
首先，对需要频率调整的数据字段的波动性s进行零均值归一化(z-score标准化)处理，获得数据字段标准化的波动性数值s_z，公式如下：
[0137][0138]
其中，μ为波动性数据s的均值，δ为原始数据波动性数据s的标准差。各数据字段经过处理的波动性数值s_z的均值均为0，标准差均为1。
[0139]
然后，根据以下公式计算得到数据字段调整后的采集频率sf*。
[0140]
sf*＝sf
×
[1+rc
×
(1+s_z)]
[0141]
其中，sf为数据字段的初始采集频率，rc为数据字段的排序变化率，s_z为数据字段标准化的波动性数值。
[0142]
步骤5.4，获得调整后的采集频率。
[0143]
整合不需要频率调整的数据字段的采集频率sf以及需要频率调整的数据字段调整后的采集频率sf*，得到数据库中所有字段更新后的采集频率sf*。是对于需要调整的字段的频率从sf根据以上过程调整为sf*；而不需要调整的字段的频率不变，即这些字段的sf*＝sf。整合就是把前面二者的频率拼接起来。得到更新后的采集频率。
[0144]
采集频率的动态调整，这个调整过程本身就是对输变电设备传感器数据采集策略的一种优化，波动性指标越大代表着数据的波动较大，离散水平较大，那么该字段数据的数量需求就更高，因此该字段需要的采集频率就更高。数据采集频率的不断更新，能够使采集频率迭代优化，提高边缘侧数据的获取质量。得到更新的采集频率后，将更新的采集频率发送到传感器，传感器使用更新的频率进行采集，采集的数据再发送到云端数据库，以此达到采集频率的动态优化。

技术特征：
1.一种面向需求的输变电设备多源异构数据智能采集优化方法，其特征在于：所述方法包括：步骤1、采集输变电设备原始数据信息，按数据类型对原始数据进行分类，分为结构化数据和时序数据；步骤2、对结构化数据进行波动性分析，利用变异系数法获得频率打分，通过重复率和缺失率进行打分调整，获得波动性指标；步骤3、对时序数据进行波动性分析，计算波动性序列，取波动性分布图中累积概率80％的位置作为波动性指标；步骤4、根据波动性指标排序获得理论采集频率排序，根据先验知识对采集频率进行排序调整；步骤5、计算采集频率排序变化率，根据排序变化率以及波动性指标调整采集频率，获得调整后的采集频率。2.根据权利要求1所述的一种面向需求的输变电设备多源异构数据智能采集优化方法，其特征在于：按数据类型对原始数据进行分类的方法为：将输变电设备采集数据存储到云端数据库，根据前一个批注的分类分别从数据库中进行读取，完成分类工作；结构化数据包括电网管理平台数据；时序数据包括在线监测数据、调度自动化系统数据及环境数据。3.根据权利要求1所述的一种面向需求的输变电设备多源异构数据智能采集优化方法，其特征在于：步骤2所述获得波动性指标的方法包括：步骤2.1、利用数据标准化消除量纲；标准化后的数据矩阵为r
ij
：式中，x
′
ij
为输入数据矩阵，n为每个指标的数据数量；步骤2.2、计算变异系数；计算每个指标的均值a
ij
，计算公式如下：式中，r
ij
为标准化后的数据矩阵，n为每个指标的数据数量；计算每个指标的标准差(均方差)s
j
，计算公式如下：式中，r
ij
为标准化后的数据矩阵，a
ij
为每个指标的均值，n为每个指标的数据数量；计算每个指标的变异系数v
j
，计算公式如下：
式中，s
j
每个指标的标准差(均方差)，a
ij
为每个指标的均值；步骤2.3、计算权重及得分：每个指标的权重ω
j
计算公式如下：式中，v
j
为每个指标的变异系数，n为每个指标的数据数量；得分score
i
计算公式如下：式中，ω
j
为每个指标的权重，r
ij
为标准化后的数据矩阵，n为每个指标的数据数量；步骤2.4、计算重复率及缺失率，基于变异系数法的打分结果，根据重复率与缺失率对各个数据字段的波动性打分分别进行等比例调整，得到调整后的频率打分结果，即结构化数据的波动性指标。4.根据权利要求1所述的一种面向需求的输变电设备多源异构数据智能采集优化方法，其特征在于：时序数据波动性指标的获取方法包括：步骤3.1、计算数据序列的波动性：将时序数据按照相同间隔的统计周期进行分组；分别获取该组数据各数据序列的标准差和全数据的极差，数据序列的波动性定义为各序列标准差与全数据极差之比，用si表示，式中，i为数据序列的序号；σ
xi
为第i个数据系列的标准差；x
max
和x
min
分别为整个数据系列的最大值和最小值；步骤3.2、应用“二八原则”对时序数据的波动性分布图进行分析；画出波动性序列的分布图，取分布概率80％的位置，作为该字段的总体波动性，即该时间序列的波动性指标。5.根据权利要求4所述的一种面向需求的输变电设备多源异构数据智能采集优化方法，其特征在于：应用“二八原则”对时序数据的波动性分布图进行分析的方法包括：步骤3.2.1、画出波动性数值的柱形分布图；步骤3.2.2、计算累计频率百分比，即图中右侧y轴对应的数据；步骤3.2.3、标记累计百分比80％特征因素的位置，得到超过80％占比的节点值索引以及位置；步骤3.2.4、得到索引在80％占比的节点值索引位置之前的具体内容；步骤3.2.5、根据得到的数据绘制波动性分布图。6.根据权利要求1所述的一种面向需求的输变电设备多源异构数据智能采集优化方法，其特征在于：步骤4所述根据波动性指标排序获得理论采集频率排序，根据先验知识对采集频率进行排序调整的方法包括：步骤4.1、对结构化数据以及时序数据进行波动性分析，获得结构化数据以及时序数据各个字段的波动性值s，分别对不同数据库中各个字段的s值进行排序，得到数据字段的理
论频率排序rt；步骤4.2、根据采集的数据需求报告以及输变电设备多源异构数据边缘侧智能筛选方法对源数据字段得出的筛选结果，对数据字段的理论频率排序rt进行调整。7.根据权利要求6所述的一种面向需求的输变电设备多源异构数据智能采集优化方法，其特征在于：步骤4.2中对数据字段的理论频率排序rt进行调整的方法包括：步骤4.2.1、面向采集的数据需求，删除与采集的数据需求无关的数据字段，即将该字段从所属数据库的采集频率排序中直接剔除；步骤4.2.2、根据智能筛选方法对源数据字段得出的筛选结果，将筛选中选取的三种数据字段根据冗余因子排序顺序分别降低采集频率排序15％，10％和5％；步骤4.2.3、将得出的采集频率排序作为数据字段的理论频率排序rt。8.根据权利要求1所述的一种面向需求的输变电设备多源异构数据智能采集优化方法，其特征在于：根据排序变化率以及波动性指标调整采集频率的方法包括：步骤5.1、计算排序变化率：利用数据字段的理论频率排序rt与数据字段的初始频率排序ri进行计算，得出数据字段的频率排序变化率rc；式中：rt为数据字段的理论频率排序，ri为数据字段的初始频率排序；步骤5.2、利用数据字段的频率排序变化率rc对理论频率排序rt与初始频率排序ri进行对比，以rc＝20％为界限，如果rc<＝20％，则保持初始频率，如果rc>20％则根据波动性指标对采集频率进行调整；步骤5.3、对要频率调整的数据字段的波动性s进行零均值归一化处理，获得数据字段标准化的波动性数值s_z；式中：μ为波动性数据s的均值，δ为原始数据波动性数据s的标准差；各数据字段经过处理的波动性数值s_z的均值均为0，标准差均为1；计算得到数据字段调整后的采集频率sf*sf*＝sf
×
[1+rc
×
(1+s_z)]式中：sf为数据字段的初始采集频率，rc为数据字段的排序变化率，s_z为数据字段标准化的波动性数值；步骤5.4、整合不需要频率调整的数据字段的采集频率sf以及需要频率调整的数据字段调整后的采集频率sf*，得到数据库中所有字段更新后的采集频率sf*。

技术总结
本发明公开了一种面向需求的输变电设备多源异构数据智能采集优化方法，包括：采集输变电设备原始数据信息，按数据类型对原始数据进行分类，分为结构化数据和时序数据；对结构化数据进行波动性分析，利用变异系数法获得频率打分，通过重复率和缺失率进行打分调整，获得波动性指标；对时序数据进行波动性分析，计算波动性序列，取波动性分布图中累积概率80％的位置作为波动性指标；根据波动性指标排序获得理论采集频率排序，根据先验知识对采集频率进行排序调整；计算采集频率排序变化率，根据排序变化率以及波动性指标调整采集频率，获得调整后的采集频率；解决了输变电设备边缘侧采集机制在数据获取频率、数据精度及数据时效性局限等问题。局限等问题。局限等问题。


技术研发人员：李洵 甘润东 龙玉江 王杰峰 钟掖 何熙
受保护的技术使用者：贵州电网有限责任公司
技术研发日：2023.04.24
技术公布日：2023/7/21