3. 时间序列对齐：多源数据时间戳不一致问题、重采样技术（上采样、下采样）、插值对齐方法（线性插值、样条插值）
各位同行，咱们做储能电站数据融合，最头疼的问题是什么？
我个人觉得，排第一的绝对是时间戳对不上。
你想想看，BMS（电池管理系统）的数据是100ms一条，PCS（储能变流器）的数据是500ms一条，气象站的数据更夸张，可能一分钟才来一个点。这些数据要是直接拿来算SOC或者做状态评估，那结果肯定一塌糊涂。
我刚开始做储能项目时，就吃过这个亏。当时有个电站的BMS和PCS时间差了整整2秒，我愣是没发现，结果算出来的系统效率曲线像锯齿一样，排查了三天才找到原因。嗯，从那以后，时间序列对齐就成了我每次必查的第一关。
3.1 多源数据时间戳不一致的根源
说白了，时间戳不一致就三个原因：
- 时钟不同步：各个设备用的晶振精度不一样，有的用NTP对时，有的用GPS，有的干脆就没对时。时间一长，偏差就出来了。
- 采样频率不同：BMS可能100ms采一次，PCS是200ms，电表是1s。频率不同，数据点天然就对不上。
- 传输延迟：数据从采集到上传，中间经过网关、交换机、云平台，每个环节都有延迟。有的延迟是固定的，有的还会抖动。
核心原则：时间序列对齐的目标，不是让所有数据的时间戳完全一致，而是让它们在同一个时间基准下，具备可比性和可计算性。
3.2 重采样技术：上采样与下采样
遇到频率不一致，最直接的办法就是重采样。我习惯把重采样分成两种：
3.2.1 下采样（降采样）
把高频数据变成低频数据。比如BMS的100ms数据，我想对齐到PCS的500ms数据上。
怎么做？取平均值、取最大值、或者取最后一个值。我个人习惯用平均值，因为能保留这段时间内的整体趋势。
# 下采样示例：将100ms数据降采样到500ms
import pandas as pd
# 假设bms_data是100ms间隔的DataFrame，时间戳为索引
bms_resampled = bms_data.resample('500ms').mean()
我的经验：下采样时，如果数据有异常尖峰，用平均值会把它拉平。这时候可以考虑用中位数，或者先做异常值剔除再采样。
3.2.2 上采样（升采样）
把低频数据变成高频数据。比如气象站1分钟一个点，我想对齐到BMS的100ms数据上。
上采样不能无中生有，必须配合插值。说白了，就是根据已知点，推测中间点的值。
# 上采样示例：将1分钟数据升采样到100ms
weather_resampled = weather_data.resample('100ms').interpolate(method='linear')
注意：上采样会引入人为误差。你想想看，两个真实数据点之间插了600个点，这些点都是算出来的，不是真实采集的。所以上采样的倍数不要太大，我一般控制在10倍以内。
3.3 插值对齐方法
重采样只是第一步。真正要解决时间戳对齐，还得靠插值。我常用的有三种：
3.3.1 线性插值
最简单，也最常用。假设两个点之间是直线变化，按时间比例算中间值。
# 线性插值
import numpy as np
# 已知点：t1=0s, v1=50; t2=1s, v2=60
# 求t=0.4s时的值
t1, v1 = 0, 50
t2, v2 = 1, 60
t = 0.4
v = v1 + (v2 - v1) * (t - t1) / (t2 - t1)
print(f"线性插值结果：{v:.2f}") # 输出：54.00
线性插值适合变化平缓的数据，比如温度、SOC。但遇到电流突变、功率跳变，线性插值就不太准了。
3.3.2 样条插值
样条插值用分段多项式来拟合数据点，曲线更平滑。我常用三次样条插值。
# 三次样条插值
from scipy.interpolate import CubicSpline
import numpy as np
# 已知数据点
time_known = np.array([0, 1, 2, 3, 4])
value_known = np.array([50, 55, 53, 58, 60])
# 创建样条插值函数
cs = CubicSpline(time_known, value_known)
# 在0.5s处插值
time_query = 0.5
value_query = cs(time_query)
print(f"样条插值结果：{value_query:.2f}")
什么时候用样条？ 我一般在处理电池电压曲线、温度变化曲线时用样条。因为这些物理量变化是连续的，而且有物理规律，样条能更好地还原真实趋势。
3.3.3 前向填充与后向填充
有时候不需要精确插值，用最近的值代替就行。比如PCS的功率数据，500ms一个点，BMS的电压数据100ms一个点。对齐时，直接用PCS最近的那个功率值，作为BMS当前时刻的功率值。
# 前向填充
bms_aligned = bms_data.join(pcs_data.resample('100ms').ffill())
避坑指南：我曾经在一个项目中，用前向填充处理了连续缺失的数据，结果导致后续的SOC估算偏差了5%。后来发现，是因为PCS在停机期间没有数据，前向填充把停机前的功率值一直往后推，造成了假象。所以，前向填充只适合短时间缺失，长时间缺失必须用其他方法。
3.4 知识体系图
下面这张图，是我自己总结的时间序列对齐知识体系。你可以把它当成一个检查清单，每次做数据融合前，先过一遍。
3.5 实战建议
最后，我总结几条实战中的经验：
- 先检查时间戳质量：拿到数据后，先看时间戳有没有跳变、有没有重复、有没有缺失。用
pandas的is_monotonic_increasing检查一下。 - 统一时间基准：所有数据先转成UTC时间，避免时区问题。我习惯用Unix时间戳（毫秒级），计算方便。
- 选择合适的插值方法：变化平缓用线性，变化剧烈用样条，短时间缺失用前向填充。
- 验证对齐效果：对齐后，画个散点图看看。如果数据点分布有规律，说明对齐成功；如果乱成一团，说明时间戳还有问题。
重要提醒：时间序列对齐不是一次性的工作。数据源变了、采样频率改了、设备换了，都要重新做对齐。我建议把对齐逻辑写成函数，每次新数据来了直接调用，省时省力。
好了，这一章的内容就到这里。时间序列对齐是数据融合的基础，基础打牢了，后面的工作才能顺利。下一章我们聊聊数据清洗，那又是另一番天地了。
公众号:蓝海资料掘金营，微信deep3321