基于特征向量的数据传输压缩方法及其系统技术方案

本发明专利技术提供一种基于特征向量的数据传输压缩方法及其系统，依据电站机组运行工况参数组成的向量空间矩阵，通过对向量空间矩阵中矩阵线性无关组的计算，构建机组运行工况最小无关向量组；通过无关信息组聚类划分，把机组运行工况实时数据分为若干个分类进行编码并存储，构建出该机组基于特征向量的数据压缩模型字典，然后把数据压缩模型字典发布在需要通讯的源和目标服务器，以便运行工况模式识别后，实现源端数据编码和目标端解码。从而能够实现电站机组海量实时数据在低带宽条件下高效可靠的传输。

【技术实现步骤摘要】
基于特征向量的数据传输压缩方法及其系统
本专利技术涉及电力数据传输的
，特别是涉及一种基于特征向量的数据传输压缩方法及其系统。
技术介绍
近些年，数据压缩领域的研究越来越多，主要集中遥测数据压缩、医疗数据压缩、远程诊断数据压缩、媒体数据压缩、数据库压缩等。数据压缩的方法可分为经典数据压缩和新型数据压缩，经典数据压缩算法包括霍夫曼编码、算术编码、行程(游程)编码等。然而，在对电力系统的电力数据进行传输时，由于电力系统中机组运行工况的测点很多，各个测点都不断检测，生成大量的数据，从而使得需要传输的数据量非常大，给传输带宽带来极大的负担，特别是在低带宽的条件下，无法实现高效可靠的数据传输。
技术实现思路
针对上述问题，本专利技术提出一种基于特征向量的数据传输压缩方法及其系统，能够实现电站机组海量实时数据在低带宽条件下高效可靠的传输。一种基于特征向量的数据传输压缩方法，包括以下步骤：根据接入的电站机组运行工况参数以及所述机组运行工况参数的历史数据构建向量空间矩阵；计算所述向量空间矩阵中各机组运行工况参数的相关性和正交性，根据所述相关性和正交性的计算结果，将所述向量空间矩阵中线性相关属性和特征值小于预定值的机组运行工况参数去除，形成特征向量空间；对所述特征向量空间进行K-L变换；对进行K-L变换后的特征向量空间以最小错误率的贝叶斯分类方法执行分类，根据所述分类结果，将机组运行工况参数的历史数据根据本征值分类，形成数据压缩包；将所述数据压缩包发布到通讯的中心侧和电厂侧。一种基于特征向量的数据传输压缩系统，包括：参数获取模块，用于根据接入的电站机组运行工况参数以及所述机组运行工况参数的历史数据构建向量空间矩阵；筛选模块，用于计算所述向量空间矩阵中各机组运行工况参数的相关性和正交性，根据所述相关性和正交性的计算结果，将所述向量空间矩阵中线性相关属性和特征值小于预定值的机组运行工况参数去除，形成特征向量空间；变换模块，用于对所述特征向量空间进行K-L变换；分类模块，用于对进行K-L变换后的特征向量空间以最小错误率的贝叶斯分类方法执行分类，根据所述分类结果，将机组运行工况参数的历史数据根据本征值分类，形成数据压缩包；发送模块，用于将所述数据压缩包发布到通讯的中心侧和电厂侧。本专利技术的基于特征向量的数据传输压缩方法及其系统中，依据电站机组运行工况参数组成的向量空间矩阵，通过对向量空间矩阵中矩阵线性无关组的计算，构建机组运行工况最小无关向量组；通过无关信息组聚类划分，把机组运行工况实时数据分为若干个分类进行编码并存储，构建出该机组基于特征向量的数据压缩模型字典，然后把数据压缩模型字典发布在需要通讯的源和目标服务器，以便运行工况模式识别后，实现源端数据编码和目标端解码。所述的电站机组运行工况实时数据是指：描述电站机组运行工况的各种参数，主要包括从DCS中提取到的温度、压力、流量、负荷等类别的数据，例如，对于某60万机组，包括6803个模拟量和13397个数字量。在低带宽通道传输的前提下能够满足数据实时性和不失真，实时性指按照秒级刷新。本专利技术的基于特征向量的数据传输压缩方法及其系统，不仅压缩率高，而且压缩/解压速度快，很好的满足了远程诊断中对海量实时数据传输的要求。附图说明图1是本专利技术基于特征向量的数据传输压缩方法的流程示意图；图2是本专利技术基于特征向量的数据传输压缩方法一个实施例的流程示意图；图3是电站机组运行系统简图；图4是本专利技术基于特征向量的数据传输压缩系统的结构示意图。具体实施方式请参阅图1，图1是本专利技术基于特征向量的数据传输压缩方法的流程示意图。所述基于特征向量的数据传输压缩方法，包括以下步骤：S101，根据接入的电站机组运行工况参数以及所述机组运行工况参数的历史数据构建向量空间矩阵；S102，计算所述向量空间矩阵中各机组运行工况参数的相关性和正交性，根据所述相关性和正交性的计算结果，将所述向量空间矩阵中线性相关属性和特征值小于预定值的机组运行工况参数去除，形成特征向量空间；S103，对所述特征向量空间进行K-L变换；S104，对所述特征向量空间以最小错误率的贝叶斯分类方法执行分类，根据所述分类结果，将机组运行工况参数的历史数据根据本征值分类，形成数据压缩包；S105，将所述数据压缩包发布到通讯的中心侧和电厂侧。本专利技术基于特征向量的数据传输压缩方法属于新型数据压缩方法，首先创建基于特征向量的机组工况模型，把描述机组运行工况的数万个参数从源实时历史数据库中获取出来，进行分类，构建出该机组基于特征向量的数据压缩模型，发布在通讯的源和目标区域，以便运行工况模式识别后，实现源端数据编码和目标端解码。结合电站机组的运行工况条件参数，依据基于参数运行工况历史数据进行线性无关组计算得到的特征向量，然后对特征向量历史数据再进行聚类计算，得到机组不同运行工况条件下的压缩模型数据包，进而结合已获得的历史数据进行数据压缩包定期更新，实现基于特征向量的电站机组运行工况数据压缩，实现对电站海量实时数据的远程传输。特别是完成了在低带宽中高效传输秒级刷新实时数据的传输。其中，在步骤S101中，根据接入的电站机组运行工况参数以及所述机组运行工况参数的历史数据构建向量空间矩阵的步骤包括：获取各个机组运行工况测点获取的机组运行工况参数，组成描述机组运行的向量空间；从电厂实时历史数据库中取得预定周期下的历史数据，构成向量空间矩阵。在本步骤中，首先收集机组运行工况各种参数，形成描述机组运行的特征向量，从电厂实时历史库中取得一定周期下的历史数据，构成向量空间方阵A。在一个实施方式中，获取所述机组运行工况测点对应的机组运行工况参数8923个，以及各个所述测点对应的预定周期下的历史数据8923个，构成8923×8923的方阵作为所述向量空间矩阵。在步骤S102中，计算所述向量空间矩阵中各机组运行工况参数的相关性和正交性，根据所述相关性和正交性的计算结果，将所述向量空间矩阵中线性相关属性和特征值小于预定值的机组运行工况参数去除，形成特征向量空间的步骤包括：对所述特征向量空间矩阵计算本征向量和本征值；去除本征值小于预定值的对应向量，形成第一特征向量组；对所述第一特征向量组进行优化，构建第二特征向量组，获得特征向量空间。在本步骤中，对向量空间方阵A进行线性无关计算，去掉线性相关和对本征值小的向量。首先，对向量空间方阵A计算本征向量和本征值；然后去掉本征值<Tmin对应的向量，形成向量组V1，例如可通过matlab[V,D]＝eig(A)计算出本征向量V和本征值D；最后根据人工经验对上述V1进行优化，构建特征向量组V2。步骤S101和S102中，获取机组运行参数全部模拟量和传感器输入开关量一定周期和间隔的数据，构成描述机组运行工况的空间向量组，形成一个8923×8923的一个方阵A。然后计算该方阵的本征向量，结合人工经验，形成最终的本征向量组V，已将机组运行参数中的线性相关的测点去除，在本征向量中只剩下线性无关的描述机组运行的特征数据点。对于步骤S103，对所述特征向量空间进行K-L变换的步骤包括：计算第二特征向量组的均值和协方差阵，将各个本征值按值由小到大的顺序排列，将本征值小于0.02316的对应特征向量筛选掉，得到变换矩阵。使得变换后产生的新的分量正交或者本文档来自技高网...

【技术保护点】
一种基于特征向量的数据传输压缩方法，其特征在于，包括以下步骤：根据接入的电站机组运行工况参数以及所述机组运行工况参数的历史数据构建向量空间矩阵；计算所述向量空间矩阵中各机组运行工况参数的相关性和正交性，根据所述相关性和正交性的计算结果，将所述向量空间矩阵中线性相关属性和特征值小于预定值的机组运行工况参数去除，形成特征向量空间；对所述特征向量空间进行K?L变换；对所述特征向量空间以最小错误率的贝叶斯分类方法执行分类，根据所述分类结果，将机组运行工况参数的历史数据根据本征值分类，形成数据压缩包；将所述数据压缩包发布到通讯的中心侧和电厂侧。

【技术特征摘要】
1.一种基于特征向量的数据传输压缩方法，其特征在于，包括以下步骤：根据接入的电站机组运行工况参数以及所述机组运行工况参数的历史数据构建向量空间矩阵；计算所述向量空间矩阵中各机组运行工况参数的相关性和正交性，根据所述相关性和正交性的计算结果，将所述向量空间矩阵中线性相关属性和特征值小于预定值的机组运行工况参数去除，形成特征向量空间；对所述特征向量空间进行K-L变换；对进行K-L变换后的特征向量空间以最小错误率的贝叶斯分类方法执行分类，根据所述分类结果，将机组运行工况参数的历史数据根据本征值分类，形成数据压缩包；将所述数据压缩包发布到通讯的中心侧和电厂侧。2.如权利要求1所述的基于特征向量的数据传输压缩方法，其特征在于，根据接入的电站机组运行工况参数以及所述机组运行工况参数的历史数据构建向量空间矩阵的步骤包括：获取各个机组运行工况测点获取的机组运行工况参数，组成描述机组运行的向量空间；从电厂实时历史数据库中取得各个机组运行工况参数在预定周期下的历史数据，构成向量空间矩阵。3.如权利要求2所述的基于特征向量的数据传输压缩方法，其特征在于：获取所述机组运行工况测点对应的机组运行工况参数8923个，以及各个所述测点对应的预定周期下的历史数据8923个，构成8923×8923的方阵作为所述向量空间矩阵。4.如权利要求1至3任意一项所述的基于特征向量的数据传输压缩方法，其特征在于，计算所述向量空间矩阵中各机组运行工况参数的相关性和正交性，根据所述相关性和正交性的计算结果，将所述向量空间矩阵中线性相关属性和特征值小于预定值的机组运行工况参数去除，形成特征向量空间的步骤包括：对所述特征向量空间矩阵计算本征向量和本征值；去除本征值小于预定值的对应向量，形成第一特征向量组；对所述第一特征向量组进行优化，构建第二特征向量组，获得特征向量空间。5.如权利要求4所述的基于特征向量的数据传输压缩方法，其特征在于，通过matlab[V,D]＝eig(A)计算所述本征向量和本征值。6.如权利要求4所述的基于特征向量的数据传输压缩方法，其特征在于，对所述特征向量空间进行K-L变换的步骤包括：计算第二特征向量组的均值...

【专利技术属性】
技术研发人员：颜璟仪，周刚，汤彧，王建军，芮强，
申请(专利权)人：广东电网公司电力科学研究院，
类型：发明
国别省市：