[发明专利]等间隔时间序列压缩方法、装置、设备和存储介质

说明书

本公开涉及一种等间隔时间序列压缩方法、装置、设备和存储介质，可以应用于电力系统中的时间序列数据压缩处理情况，例如对风电出力时间序列等新能源发电相关的时间序列数据进行压缩等，其中，该方法包括：将原始时间序列数据中交错分布的极大值点和极小值点作为原始时间序列数据的特征关键点；从多个特征关键点中确定原始时间序列数据的多个定点；从原始时间序列数据中处于任意相邻的两个定点之间的时间序列数据中，等间隔地确定与插入点数量对应的多个插入点，最终生成压缩时间序列数据。本公开可以在尽可能保留原始数据的时序特征的前提下达到较好的压缩比，压缩前后数据特征差别较小，提高了后续基于时间序列数据的计算准确性和运算效率。

技术领域

本公开涉及数据压缩技术领域，尤其涉及一种等间隔时间序列压缩方法、装置、设备和存储介质。

背景技术

时间序列是将同一统计指标的数值按其发生的时间先后顺序排列而成的序列。通过深入研究这些时间序列，可以挖掘出序列背后所隐藏的潜在规律获取有价值的信息，具有重大的社会意义和经济价值。时间序列的分析在电力、经济、建筑、医疗、气象、环境等领域应用广泛。然而，随着社会信息化的不断发展，信息技术应用领域的不断拓展，各个应用领域都积累了越来越多的数据，直接在时间序列上进行数据的研究分析不仅工作量大，还会因为一些随机数据的干扰影响研究结果的准确性和可靠性。

因此，越来越多的研究开始关注时间序列的高效压缩。比如说，在电力系统，为了减轻煤电的能源消耗，采用新能源发电进行调峰。而新能源出力值一般每隔15min测量一次，数据量较大影响后续优化计算。如果在尽可能保留原有的时序特征前提下进行高效压缩，则大大提高了调峰运算效率，为电力系统后续的系统规划、调度和控制提供强有力的支撑。

截止到当前，现有数据压缩方案主要有以下三种：分段线性表示法(PLR)、分段聚合近似方法(PAA)、和符号聚合近似方法(SAX)。现有压缩方案的缺陷分别如下：

(1)基于分段聚合近似方法的时间序列数据压缩方法

1)该方法用均值代表原始数据的k个数据点，会出现信息丢失的情况；

2)当数据压缩比越大，均值所代表的数据点就越多，压缩后得到的时间序列不能有效反应原始序列特征；

(2)基于符号聚合近似方法的时间序列数据压缩算法

该方法与分段聚合近似方法相比具有计算简单、高效的优点，但该方法压缩数据的原理与分段聚合近似方法相同，故该算法具有同样的缺陷。

(3)基于分段线性表示的时间序列数据压缩算法

1)该算法采用累积误差进行分段，对短时间内大波动的数据不敏感，分段效果差；

2)该算法对一些状态变化的拐点不敏感，不能有效地刻画某些拐点的状态变化；

3)该算法的阈值不容易确定；

4)该算法不能按照用户要求选择压缩的程度，不能使数据点间隔相等。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种等间隔时间序列压缩方法、装置、设备和存储介质。

第一方面，本公开实施例提供了一种等间隔时间序列压缩方法，包括：

确定原始时间序列数据中交错分布的极大值点和极小值点，并将所述交错分布的极大值点和极小值点作为所述原始时间序列数据的特征关键点；

将各个特征关键点对应的时间维度参数对压缩倍数进行取余计算，得到多个余数；其中，所述压缩倍数基于所述原始时间序列数据中的时间间隔和用户需求时间间隔确定；

按照余数取值，确定所述多个余数中数量最多的目标余数；