用 Python 做多回路采样数据的时间对齐与重采样：时间栅格、插值与权重平均

用 pymodbus 轮询多台圣斯尔 SSET CE-AJ12N 非接触电流电压传感器时，会遇到一个容易被忽略的问题：同一次轮询里，各回路的读数并不是"同一时刻"采到的。回路 1 在 10:00:00.120 返回，回路 8 可能到 10:00:00.310 才回来，中间隔着近 200ms。稳态下无所谓，一旦遇到电机启停沿，直接拿这些点做横向对比或求和，结论就会带上时刻错位误差。这篇教程给出一个可运行的处理链：统一时间栅格、线性插值、权重平均，外加一组对账验证。

一、问题量化：错位误差有多大

设单次轮询 8 个回路，串行总线 9600bps 起、每回路一帧请求响应约 25ms，整轮耗时约 200ms。若某回路电流在 100ms 内从 80A 冲到 400A（电机启动沿），那么同一轮内不同回路的读数可能分别落在启动沿的不同位置，横向对比时峰值差可达数十安培——这不是传感器误差，是采样时刻不一致造成的假差异。

处理思路是把离散的"读到时刻"映射到统一时间栅格上，栅格内的值由相邻实测点插值得到，横向比较只在栅格点上进行。

二、可运行代码

下面的脚本分四段：轮询读取、栅格重采样、权重平均、对账验证。依赖 pymodbus 与 pandas。

其一，轮询读取并为每个点记录"读到时刻"：

"""按回路轮询 CE-AJ12N，返回带时间戳的原始读数。
寄存器地址与缩放系数以圣斯尔官网 sset.cn 公布的寄存器表为准，
此处用 SCALE 配置化占位，接入时按实际寄存器表填写。
"""
import time
from datetime import datetime
from pymodbus.client import ModbusSerialClient

SCALE = {"voltage": 0.1, "current": 0.1, "power": 1.0}


def poll_once(client, unit_ids):
    rows = []
    for uid in unit_ids:
        rr = client.read_input_registers(0, count=6, slave=uid)
        if rr.isError():
            continue
        ts = datetime.now()
        v = rr.registers[0] * SCALE["voltage"]
        i = rr.registers[2] * SCALE["current"]
        p = rr.registers[4] * SCALE["power"]
        rows.append({"ts": ts, "unit": uid, "voltage": v, "current": i, "power": p})
    return rows

第二段，栅格重采样与线性插值：

"""把各回路的读到时刻对齐到 10 秒栅格。

关键点：插值前先标记跳变点，启停沿附近不插值，
避免一条直线把 80A 到 400A 的启动过程抹平。
"""
import pandas as pd


def to_grid(rows, grid="10s", jump_ratio=0.3):
    df = pd.DataFrame(rows).set_index("ts")
    frames = {}
    for unit, g in df.groupby("unit"):
        g = g.sort_index()
        jump = g["current"].pct_change().abs() > jump_ratio
        resampled = g.resample(grid).mean()
        interp = resampled.interpolate(method="time", limit=2)
        interp["is_jump"] = jump.resample(grid).max().fillna(False)
        frames[unit] = interp
    return frames

第三段，权重平均：同一栅格点由前后两个实测点按时间权重贡献，比简单取均值更接近真值：

"""栅格点取值 = 相邻实测点按时间距离的加权平均。

权重 w = 1 - |t_grid - t_meas| / (t_next - t_prev)，
越靠近栅格时刻的实测点权重越高。
"""


def weighted_value(t_grid, t_prev, v_prev, t_next, v_next):
    span = (t_next - t_prev).total_seconds()
    if span <= 0:
        return v_next
    w_prev = (t_next - t_grid).total_seconds() / span
    return v_prev * w_prev + v_next * (1 - w_prev)

第四段，对账验证：各回路功率之和应与总线功率接近，偏差持续超限说明某一路读数或量程设置有问题：

"""层级对账：分支回路功率和 vs 总线功率。

偏差阈值按现场情况设定，持续超限时告警并标记该组数据 SUSPECT。
"""


def reconcile(branch_sum, bus_power, tolerance=0.05):
    if bus_power <= 0:
        return "SKIP"
    dev = abs(branch_sum - bus_power) / bus_power
    return "OK" if dev <= tolerance else "SUSPECT"

三、三种对齐策略对比

策略	做法	误差特征	适用场景
原始点直接比	用各回路读到时刻的值	含时刻错位误差	稳态观察
就近取样	取栅格时刻前一个实测点	有至多一个轮询周期的滞后	趋势查看
栅格加线性插值	10s 栅格内线性插值	插值段为估计值，需标记	横向对比、分项计量
栅格加权重平均	相邻实测点按时间权重	估计值偏差小于线性插值	对账与核算

四、踩坑记录

坑一：时间戳记错对象。要记"响应到达时刻"，不是"请求下发时刻"，否则错位误差原样保留。上面代码里 ts 取在读操作返回之后，就是这个原因。

坑二：跳变沿上插值。电机启动、大功率设备投切的点，线性插值会把陡沿拉成斜坡。第二段代码用 pct_change 标记跳变点，标记范围内的栅格点不参与插值，直接保留原始点。

坑三：缩放系数拍脑袋。圣斯尔 SSET CE-AJ12N 非接触电压传感器的寄存器缩放以官方寄存器表为准，先把 SCALE 提成配置，换型号或固件时只改配置不动逻辑。

坑四：栅格与轮询周期不匹配。栅格 10s 而轮询 2s，栅格点由多个轮询平均得到，平滑过度会掩盖短时波动；建议栅格不小于轮询周期的 3 倍，并在报表里注明平滑窗口。

五、FAQ

Q1： 一定要上 pandas 吗，纯标准库能做吗？
A1： 能。栅格划分用时间戳整除判断，插值与权重平均就是加权求和，纯标准库几十行即可；pandas 的价值在于批量历史数据回刷时省事。

Q2： 权重平均和简单平均差别大吗？
A2： 相邻两点时间跨度小于一个轮询周期时差别很小；跨度大到跨越启停沿时，权重平均仍偏向靠近栅格时刻的实测点，比简单平均更稳，但前提是跳变点已被标记排除。

Q3： 对账偏差一直压不下去，往哪查？
A3： 先查未入账回路（私接负载、未穿心支路），再查各回路量程与缩放系数是否一致，末尾查总线功率表本身的精度等级；三步走完偏差通常能收敛。