1.一种基于电力系统的时序数据压缩方法，其特征在于，所述方法包括以下步骤：

边缘计算设备对电力终端采集的时序数据进行存储；

所述边缘计算设备根据数据特征对时序数据进行分类，将时序数据划分为稳定数据和波动数据；

对稳定数据采用改进的DEGA算法进行压缩并存储；

对波动数据利用神经网络中的自动编码器进行压缩并存储。

2.根据权利要求1所述的一种基于电力系统的时序数据压缩方法，其特征在于，所述边缘计算设备根据数据特征对时序数据进行分类包括设定一个滑动窗口来提取时序数据，计算滑动窗口内数据的方差，当所述窗口内数据的方差大于预设的阈值，则判定为波动数据，否则判定为稳定数据。

3.根据权利要求2所述的一种基于电力系统的时序数据压缩方法，其特征在于，所述预设的阈值的计算方式包括：vD＝μ×L×Pmax

其中，μ代表可调参数，L表示滑动窗口的大小；Pmax代表电力终端中提供的属性值中最大的数值。

4.根据权利要求1所述的一种基于电力系统的时序数据压缩方法，其特征在于，所述对稳定数据采用改进的DEGA算法进行压缩包括对时序数据进行规范化处理；计算出规范化处理后的时序数据的连续值之间的差值；将差值编码为零阶有符号的指数哥伦布码字，并在每隔若干码字上加上分隔符进行链接；利用微分指数哥伦布编码将所有的码字合并在一起，并形成单个的字符串；对单个的字符串采用均分位编码，也即是将链接在一起的每隔若干位码字进行一次压缩编码，将码字不足字符串的末尾补0，直至将每个字符串的二进制码字压缩成一个浮点数，并获得压缩编码时的压缩位。

5.根据权利要求1所述的一种基于电力系统的时序数据压缩方法，其特征在于，所述对波动数据利用神经网络中的自动编码器进行压缩包括对波动数据利用神经网络中的自动编码器进行分析，时序数据以向量的形式从输入层输入，经过多层神经网络后到单元数最少的隐藏层，实现数据的压缩。

6.一种基于电力系统的时序数据恢复方法，其特征在于，所述恢复方法包括以下步骤：云服务器采集边缘计算设备存储的压缩后的时序数据；

所述云服务器按照时序数据的文本类型判断所述时序数据为稳定数据的压缩编码还是波动数据的压缩编码；

若为稳定数据的压缩编码，采用改进的DEGA算法方法进行恢复；

若为波动数据的压缩编码，采用神经网络中的自动编码器进行恢复。

7.根据权利要求6所述的一种基于电力系统的时序数据恢复方法，其特征在于，所述云服务器按照时序数据的文本类型判断所述时序数据为稳定数据的压缩编码还是波动数据的压缩编码包括压缩编码后的稳定数据有第一类型标签，压缩编码后的波动数据有第二类型标签；所述第一类型标签和第二类型标签根据预设的阈值确定，若小于或等于预设的阈值，则为第一类型标签，若大于预设的阈值，则为第二类型标签。

8.根据权利要求6所述的一种基于电力系统的时序数据恢复方法，其特征在于，所述采用改进的DEGA算法方法进行恢复包括接收时序数据的压缩码，并将压缩码的浮点数据转换为二进制码字形式的位串；采用均分位解码对位串进行解码，将链接的位串分割，并按照压缩码中的分隔符将其分割为多段；对每段位串采用微分指数哥伦布解码算法进行解码；使用累加算法将哥伦布解码后的数据恢复到规范化输出。

9.根据权利要求6所述的一种基于电力系统的时序数据恢复方法，其特征在于，所述采用神经网络中的自动编码器进行恢复包括利用神经网络中的自动编码器进行分析，压缩后的时序数据以向量的形式从隐藏层输入，并经过多层神经网络后到输出层实现数据向量的恢复。