[发明专利]用能数据的时空汇聚与查询方法

说明书

本发明的一种用能数据的时空汇聚方法，包括步骤：S1.构建层次化时空数据结构；S2.在最小位置粒度处，按照时间粒度从小到大顺序对所述用能数据依次汇聚，得到最小位置粒度在最大时间粒度的汇聚数据；S3.将最小位置粒度在最大时间粒度的汇聚数据插入到上一级的位置粒度在最小时间粒度的用能数据中，形成上一级的位置粒度在最小时间粒度的汇聚数据；S4.按照步骤S2‑S3类推，从上一级的位置粒度开始，按照位置粒度从小到大顺序依次汇聚，得到最大位置粒度在最大时间粒度的汇聚数据；从而保证了数据汇聚的准确性和执行效率；所述查询方法，通过查询引擎采用特别设计的查询语言，能实现对汇聚数据的时空查询，且效率高、响应快。

技术领域

本发明涉及智能配电网领域，具体涉及用能数据的时空汇聚与查询方法。

背景技术

智能电网通过分析分布式监测设备获取的海量能源数据，不仅可以提效增值，而且可以为客户提供以数据为中心的服务，实现数字化转型目标。智能电网产生的数据量巨大，且每年以爆炸式速度增长。2020年，欧洲智能电表的保有量已达2.4亿台，而我国更是高达4亿台。海量能源数据不仅给数据存储造成了沉重负担，而且使数据可伸缩性分析变得非常困难。智能电网产生的数据以连续和不可预测的数据流形式到达，要求数据结构能支持数据流的快速更新和高效查询。以计量数据为例，尽管智能电表产生的数据通常是平稳的(终端ID、安装位置、计量读数)，但许多决策功能需要聚合和分析不同时空层次大量智能电表产生的数据(如特定台区所有智能电表的每小时用能量)。

现有的大数据汇聚与查询方法无法直接应用于用能数据。首先，Spark、Flink和Storm等数据流处理方法主要采用频繁项挖掘技术，在数据汇聚时仅需要保留重要数据，对其余数据则丢弃，而对于能源账单和电网运行状态估计(用于分析电网的功率特性)，不允许丢弃任何数据。其次，上述方法无法捕捉数据的时空特性。例如，用能数据通常来自位于客户侧的智能电表，为了确保智能电网平稳运行，需要对不同时段(分钟、小时、天、周、年)、不同位置(智能电表、台区、供电所、分公司、总公司)或两者进行汇聚和分析，传统的数据库管理系统、时序数据库管理系统、大数据和数据流处理工具等无法支持这种特殊的数据层次分析和时态分析。

发明内容

有鉴于此，本发明的目的是克服现有技术存在的缺陷，提供一种用能数据时空汇聚与查询方法，能够保证数据汇聚的准确性和执行效率，既可以减少存储空间，又可以根据汇聚需要选择恰当的粒度。通过查询引擎能实现对汇聚数据的时空查询，且效率高、响应快。

本发明的用能数据时空汇聚方法，包括如下步骤：

S1.构建层次化时空数据结构；所述层次化时空数据结构包括时间维度结构和位置维度结构；

S2.在位置维度结构的最小位置粒度处，按照时间维度结构中时间粒度从小到大顺序对所述用能数据依次汇聚，得到最小位置粒度在最大时间粒度的汇聚数据；

S3.将最小位置粒度在最大时间粒度的汇聚数据插入到最小位置粒度上一级的位置粒度在最小时间粒度的用能数据中，形成最小位置粒度上一级的位置粒度在最小时间粒度的汇聚数据；

S4.按照步骤S2-S3类推，从最小位置粒度上一级的位置粒度开始，按照位置维度结构中位置粒度从小到大顺序依次汇聚，得到最大位置粒度在最大时间粒度的汇聚数据。

进一步，所述层次化时空数据结构由网格形式排列的节点集合组成；所述节点采用圆柱形数据结构。

进一步，所述圆柱形数据结构包括N个独立的时间队列数据结构。

进一步，所述时间队列数据结构为一个先入先出的循环缓冲器，所述循环缓冲器的缓存单元数量为C。

进一步，所述独立的时间队列数据结构数量N根据目标位置粒度的智能电表数量确定。

进一步，所述步骤S2，具体包括：