基于特征提取的电网数据压缩方法技术

本发明专利技术涉及数据压缩技术领域，尤其涉及基于特征提取的电网数据压缩方法

【技术实现步骤摘要】
基于特征提取的电网数据压缩方法、系统、设备及介质


[0001]本专利技术属于数据压缩
，具体涉及一种基于特征提取的电网数据压缩方法
、
系统
、
设备及介质
。

技术介绍

[0002]在电力系统中，数据采集和处理是重要的环节，但由于电网数据量大，通常需要对电网数据进行压缩来减少存储空间和传输成本
。
然而，目前对电网数据的压缩只采用了单一的压缩算法，未能充分利用不同特征之间的相关性，导致压缩效率不高，也未明确指出应该选择哪些具体的特征进行提取，未对不同特征之间的权衡进行深入探讨，这导致特征提取的过程不够全面
、
准确，对电网数据特征的表达能力有所局限
。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供基于特征提取的电网数据压缩方法
、
系统
、
设备及介质，以解决上述现有技术问题的至少之一
。
[0004]本专利技术提供了基于特征提取的电网数据压缩方法，所述方法具体包括：获取原始电网数据，对所述原始电网数据进行数据预处理后进行特征提取，获得电网数据特征集，所述电网数据特征集包括统计特征
、
频域特征和时域特征中的至少一种；将所述电网数据特征集中的每个特征向量进行拼接，获得综合特征向量；根据数据压缩算法对所述综合特征向量进行压缩，获得电网压缩数据
。
[0005]进一步的，所述对所述原始电网数据进行数据预处理后进行特征提取，获得电网数据特征集，具体包括：对所述原始电网数据进行数据预处理后，获得标准电网数据；根据所述标准电网数据中每个不同类型的数据，分别提取统计特征
、
频域特征和时域特征中的至少一种；将所述标准电网数据中每个不同类型的数据对应的所有特征分别进行结合，获得电网数据特征集
。
[0006]更进一步的，所述提取统计特征
、
频域特征和时域特征中的至少一种，具体包括：对所述标准电网数据通过统计计算获得统计特征，所述统计特征包括均值
、
方差
、
最大值和最小值；对所述标准电网数据通过傅里叶变换获得频域特征，所述频域特征包括频谱能量；对所述标准电网数据通过滑动窗口差分获得时域特征，所述时域特征包括差分值
。
[0007]更进一步的，所述对所述标准电网数据通过滑动窗口差分获得时域特征，具体包括：设置滑动窗口的参数，所述滑动窗口的参数包括滑动窗口大小和滑动步长；
对所述标准电网数据中的时间序列数据创建若干个滑动窗口，分别计算每个滑动窗口内连续数据点的差分值；将每个滑动窗口内连续数据点的差分值进行结合，获得时域特征
。
[0008]进一步的，所述根据数据压缩算法对所述综合特征向量进行压缩，具体包括：将所述综合特征向量划分为离散型高频率特征向量和连续型多维度特征向量；根据哈夫曼编码，对所述离散型高频率特征向量进行压缩；根据主成分分析法，对所述连续型多维度特征向量进行压缩
。
[0009]更进一步的，所述根据哈夫曼编码，对所述离散型高频率特征向量进行压缩，具体包括：遍历所述离散型高频率特征向量中每个特征值的出现次数，获得每个特征值的出现频率；根据每个特征值的出现频率构建哈夫曼树；根据所述哈夫曼树，对每个特征值分别生成对应的哈夫曼编码；将每个哈夫曼编码替换所述离散型高频率特征向量中对应的特征值，获得压缩后的离散型高频率特征向量
。
[0010]更进一步的，所述根据主成分分析法，对所述连续型多维度特征向量进行压缩，具体包括：确定所述连续型多维度特征向量的协方差矩阵；对所述协方差矩阵进行特征值分解，得到每个特征值及每个特征值对应的特征向量；根据每个特征值的大小，将前
k
个特征值及前
k
个特征值对应的特征向量进行降维处理，获得压缩后的连续型多维度特征向量
。
[0011]本专利技术还提供了基于特征提取的电网数据压缩系统，所述系统具体包括：特征提取模块，用于获取原始电网数据，对所述原始电网数据进行数据预处理后进行特征提取，获得电网数据特征集，所述电网数据特征集包括统计特征
、
频域特征和时域特征中的至少一种；特征拼接模块，用于将所述电网数据特征集中的每个特征向量进行拼接，获得综合特征向量；数据压缩模块，用于根据数据压缩算法对所述综合特征向量进行压缩，获得电网压缩数据
。
[0012]本专利技术还提供了一种计算机设备，包括：存储器和处理器及存储在存储器上的计算机程序，当所述计算机程序在处理器上被执行时，实现如上述方法中任一项所述的基于特征提取的电网数据压缩方法
。
[0013]本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，实现如上述方法中任一项所述的基于特征提取的电网数据压缩方法
。
[0014]1、
通过将统计特征
、
频域特征和时域特征进行拼接，得到综合特征向量，可以更全面地表征电网数据的特征，提高数据表达的维度和丰富性
。
[0015]2、
根据综合特征向量的类型，灵活选择不同的压缩算法，如哈夫曼编码和主成分
分析法
。
这样可以根据不同特征的性质，选择适合的压缩算法，优化压缩效果
。
[0016]3、
通过主成分分析法对连续型多维度特征向量进行降维，可以将高维度的电网数据映射到较低维度的空间，减少存储和计算成本
。
[0017]4、
通过对离散型高频率特征向量使用哈夫曼编码进行有损压缩，对连续型多维度特征向量使用主成分分析法进行无损压缩，可以在保留关键信息的同时，进一步降低数据存储和传输的开销
。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图
。
[0019]图1为本专利技术实施例提供的基于特征提取的电网数据压缩方法的流程示意图；图2是本专利技术实施例提供的基于特征提取的电网数据压缩系统的结构示意图；图3是本专利技术实施例提供的一种计算机设备的结构示意图
。
具体实施方式
[0020]为使得本专利技术的目的
、
特征
、
优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围
。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于特征提取的电网数据压缩方法，其特征在于，所述方法具体包括：获取原始电网数据，对所述原始电网数据进行数据预处理后进行特征提取，获得电网数据特征集，所述电网数据特征集包括统计特征
、
频域特征和时域特征中的至少一种；将所述电网数据特征集中的每个特征向量进行拼接，获得综合特征向量；根据数据压缩算法对所述综合特征向量进行压缩，获得电网压缩数据
。2.
根据权利要求1所述的基于特征提取的电网数据压缩方法，其特征在于，所述对所述原始电网数据进行数据预处理后进行特征提取，获得电网数据特征集，具体包括：对所述原始电网数据进行数据预处理后，获得标准电网数据；根据所述标准电网数据中每个不同类型的数据，分别提取统计特征
、
频域特征和时域特征中的至少一种；将所述标准电网数据中每个不同类型的数据对应的所有特征分别进行结合，获得电网数据特征集
。3.
根据权利要求2所述的基于特征提取的电网数据压缩方法，其特征在于，所述提取统计特征
、
频域特征和时域特征中的至少一种，具体包括：对所述标准电网数据通过统计计算获得统计特征，所述统计特征包括均值
、
方差
、
最大值和最小值；对所述标准电网数据通过傅里叶变换获得频域特征，所述频域特征包括频谱能量；对所述标准电网数据通过滑动窗口差分获得时域特征，所述时域特征包括差分值
。4.
根据权利要求3所述的基于特征提取的电网数据压缩方法，其特征在于，所述对所述标准电网数据通过滑动窗口差分获得时域特征，具体包括：设置滑动窗口的参数，所述滑动窗口的参数包括滑动窗口大小和滑动步长；对所述标准电网数据中的时间序列数据创建若干个滑动窗口，分别计算每个滑动窗口内连续数据点的差分值；将每个滑动窗口内连续数据点的差分值进行结合，获得时域特征
。5.
根据权利要求1所述的基于特征提取的电网数据压缩方法，其特征在于，所述根据数据压缩算法对所述综合特征向量进行压缩，具体包括：将所述综合特征向量划分为离散型高频率特征向量和连续型多维度...

【专利技术属性】
技术研发人员：郑芒英，李昀，王奕，郑韶光，徐达艺，肖畅，张弛，林荣秋，李琦，陈麒任，陈源森，何晓爽，王业，
申请(专利权)人：广东电网有限责任公司湛江供电局，
类型：发明
国别省市：