（电力系统及其自动化专业论文）电力系统数据压缩的算法研究及通信网络仿真.pdf

山东大学博士学位论文 s h a n n o n 熵搜索到的最优小波包树的压缩效果并不好，而t h r e s h o l d 熵的效果更 好。本文进一步借鉴通信理论中格状编码调制的研究思路，力图将传统小波包压 缩算法中各阶段的分别优化统一为整体优化，提出了基于t h r e s h o l d 熵的小波包 统一阈值压缩方法。该方法在搜索最优小波包树阶段和取舍小波包系数阶段采用 统一的阈值，从而保证搜索到的最优小波包树也就是保留小波包系数数量最少的 树，因此压缩比很高，而且误差较小。仿真实验表明：与目前利用m a t l a b 提 供的5 种熵函数实现的小波包压缩算法相比，本文方法的压缩比最高，且压缩比 相同时的重构误差较小。 考虑到电力数据通信网络现状以及广域信息传输的需求，本文利用先进的通 信仿真软件o p n e t 仿真了电力数据在变电站内的局域网通信以及变电站间的广 域网通信，并以电能质量和继电保护数据的通信为例，分析不同类型通信网络的 通信性能，计算数据通信的延时指标，对数据压缩技术提高电力通信实时性的效 果进行了量化分析。 关键词：电力通信；数据压缩；h u f f m a n 编码；信息熵；增量调制；最优小 波包树；o p n e t ；以太网 山东大学博士擘位论文 p o w e rd a t ac o m p r e s s i o ni san f f w - r e s e a r c ht o p i cf o rp o w e rs y s t e m i tb e c o m e s m o r ea n dm o r ei m p o r t a n tw i t ht h ee x t e n s i o no f p o w e r 面d t h ed e v e l o p m e n to f p o w e r i n f o r m a t i o ns y s t e m , a n dt h ea p p l i c a t i o no fw i d ek r e ai n f o r m a t i o n n o w a d a y sm a n y n e wa u t o m a t i cs u p e r v i s o r yc o n t r o la n dr e l a yp r o t e c t i o nd e v i c e sa r eu s e di np o w e r s y s t e m o no n eh a n d , t h e yi m p r o v et h es t a n d a r do fa u t o m a t i o na n di n f o r m a t i o no f p o w e rs y s t e mo p e r a t i o na n dm a n a g e m e n t o nt h e o t h e rh a n d , t h e yg e n e r a t el a r g e a m o u n to fd a t aa n dh a v ei n c r e a s i n gd e m a n df o rr e m o t ec o m m u n i c a t i o n , w h i c hb r i n g s h e a v yb u r d e nt ot h ed a t ac o m m u n i c a t i o na n ds t o r a g eo fp o w e rs y s t e m d a t a c o m p r e s s i o ni sa ne f f i c i e n tm e t h o dt od e a lw i t ht h ep r o b l e m t h er e s e a r c ha n d a p p l i c a t i o n o f d a t a c o m p r e s s i o n t e c h n o l o g y i s o f g r e a t i m p o r t a n c e f o rr e d u c i n g t h e d a t a s t o r a g eb u r d e n , i m p r o v i n gt h er e a l t i m ei n d e xo fp o w e rc o m m u n i c a t i o n , a c c e l e r a t i n g t h ep o w e ri n f o r m a t i o nd e v e l o p m e n t , a sw e l la si m p r o v i n gt h es t a n d a r do fp o w e r s y s t e mo p e r a t i o na n dm a n a g e m e n t b a s e do nt h ea c h i e v e m e mo ff o r m e rr e s e a r c h e r s ，t h ep a p e rm a n a g e st o i n v e s t i g a t ep o w e rd a t ac o m p r e s s i o nf r o mt h ev i e wo fp o w e rs y s t e m , a n dp u tm u c h a t t e n t i o nt ot h ec h a r a c t e r i s t i c so f p o w e rw a v e f o r md a t aa c q u i r e df r o md i g i t a ls a m p l i n g a f t e rs t u d y i n gi nd e t a i lt h et h e o r ya n da p p l i c a t i o no fd a t ac o m p r e s s i o n , t h ep a p e r p r o p o s e sn o v e lm e t h o d sf o rb o t hl o s s l e s sa n dl o s s yp o w e rd a t ac o m p r e s s i o n f i n a l l y , w i t ht h eh e l po fa d v a n c e dc o m m u n i c a t i o nn e t w o r ks i m u l a t i o ns o f t w a r e ，t h ep a p e r s i m u l a t e st h e p o w e rc o m m u n i c a t i o nn e t w o r k , a n da n a l y z e s t h ee f f e c to fd a t a c o m p r e s s i o n t h ep a p e rf i r s ta n a l y z e st h ea p p l i c a t i o no fh u i f m a nl o s s l e s sd a t ac o m p r e s s i o n a l g o r i t h mi np o w e rs y s t e m , a n dp o i n t so u tt h a tt h ec o m p r e s s i o nr a t i oo fh u f f a ：n a n a l g o r i t h mi sl o w b ys t u d y i n gt h em a g n i t u d ea n dp r o b a b i l i t yc h a r a c t e r i s t i c so fp o w e r w a v e f o r md a t a , a sw e l l 勰t h ei n f o r m a t i o ne n t r o p yo fi n f o r m a t i o nt h e o r y , t h ep a p e r s h o w st h ea p p l i c a t i o no fd i f f e r e n tc h a r a c t e rc o d e sc o u l di n f l u e n c et h ec o m p r e s s i o n r a t i o t h e nt h ep a p e rp e r f o r m st h e o r e t i c a ld e d u c t i o n , a n dv a l i d a t e st h ea d v a n t a g eo f h e x a d e c i m a lc h a r a c t e r so v 髓d e c i m a lc h a r a c t e r sf o ri m p r o v i n gc o m p r e s s i o nr a t i oo f h u f f i n a na l g o r i t h mf o rp o w e rw a v e f o r md a t a i no r d e rt og r e a t l yi m p r o v et h ec o m p r e s s i o nr a t i oo f l o s s l e s sd a t ac o m p r e s s i o n , t h e m 山东大学博士学位论文 p a p e r t a k e st h ea d v a n t a g eo fd e l t am o d u l a t i o nm e t h o dt h a ti su s u a l l yu s e df o rt h el o s s y c o m p r e s s i o no fv o i c es i g n a l ，a n dp r o p o s e sah i g h - o r d e rd e l t am o d u l a t i o na l g o r i t h m s u i t a b l ef o rp o w e rw a v e f o r md a t a , a n di ti si m p m v e dt ob e c o m eal o s s l e s sc o m p r e s s i o n a l g o r i t h mw i t hh i 曲c o m p r e s s i o nr a t i o t h ep r o p o s e da l g o r i t h ma p p l i e sh i g h - o r d e r d i f f e r e n t i a la n dr e d u c i n go p e r a t i o nt h a tr e q u i r e sl i t t l e c o m p u t a t i n n i te f f e c t i v e l y r e d u c e st h em a g n i t u d eo fp o w e rd a t a , s oi tc o u l dr e d u c et h en u m b e ro fc h a r a c t e r sa n d b i t sr e q u i r e df o rc o m p r e s s i o nc o d i n g t h ep r o p o s e da l g o r i t h mi sp a r t i c u l a r l ys u i t a b l e f o rd e a l i n gw i t ht h ed i g i t a ls a m p l i n gd a t at h a ti sp r o d d e db ym o d e m p o w e rd e v i c e s w i t hh i g hs a m p l i n gf r e q u e n c y , a n di tc a l lo u t p u th i g h - o r d e rd i f f e r e n t i a ld a t as e r i e s s u i t a b l ef o rt h ec o m b i n e da p p l i c a t i o no f h u f f m a nc o m p r e s s i o n a l g o r i t h m i nt h ef i e l do f p o w e rd a t al o s s yc o m p r e s s i o n , t h ep a p e rs t u d i e st h ew a v e l e tp a c k e t c o m p r e s s i o nm e t h o da n dp o i n t so u ti t ss h o r t c o m i n g s t h es t u d yo fv a r i o u se n t r o p y f u n c t i o n sf o rs e a r c h i n gt h eb e s tw a v e l e tp a c k e tt r e ei se m p h a s i z e d , s i n c ei tw i l lh e l p m a k et h eb e s tu s eo ft h ef e a t u r e sa n da d v a n t a g e so fw a v e l e tp a c k e tm e t h o do v e r w a v e l e tm e t h o d t h ep a p e rf i n d st h a tt h eb e s tw a v e l e tp a c k e tt r e ef o u n db yt h e c o m m 0 1 1 l yu s e ds h a n n o ne n t r o p yh a sp o o rc o m p r e s s i o ne f f e c t , a n dt h et h r e s h o l d e n t r o p yi sb e l e lb a s e d0 1 1t h ef i n d i n g sa n dt h et h o u g h to ft c m ( t r e l l i sc o d e m o d u l a t i o n ) ，t h ep a p e r t r i e st oa c h i e v e g l o b a lo p t i m i z a t i o n i n s t e a do fl o c a l o p t i m i z a t i o nf o re a c hs t e po fw a v e l e tp a c k e tc o m p r e s s i o na l g o r i t h m , a n dp r o p o s e sa w a v e l e tp a c k e tu n i f i e dt h r e s h o l dc o m p r e s s i o nm e t h o d t h ep r o p o s e dm e t h o du s e st h e 韶l t l et h r e s h o l df o rb o t hs t e p so fs e a r c h i n gt h eb e s tw a v e l e tp a c k e tt r e ea n d r e s e r v i n g t h en e c e s s a r yw a v e l e tp a c k e tc o e f f i c i e n t s ，s oi te n s u r e st h eb e s tw a v e l e tp a c k e tt r e e f o u n di sa l s ot h et r e ew i t hl e a s ta m o u n to f w a v e l e tp a c k e tc o e f f i c i e n t s t h u si ta c h i e v e s h i 曲c o m p r e s s i o nr a t i ow i t hl i t t l ee r r o r s i m u l a t i o ns h o w st h ep r o p o s e dm e t h o d a c h i e v e st h eh i 曲e s tc o m p r e s s i o nr a t i oa n dt h ee r r o ri s s m a l l ，c o m p a r i n gw i t ht h e r e s u l t sd e r i v e df r o mt h ew a v e l e tc o m p r e s s i o na l g o r i t h mw i t ht h ef i v ee n t r o p yf u n c t i o n s p r o d d e db ym a t l a b i nv i e wo f t h ep r e s e n tp o w e rc o m m u n i c a t i o nn e t w o r ka n dt h er e q u i r e m e n to f w i d e a 坳i n f o r m a t i o nc o m m u n i c a t i o n , t h e p a p e rm a k e s u s eo f t h ea d v a n c e dc o m m u n i c a t i o n n e t w o r ks i m u l a t i o ns o r w a r eo p n e t , a n ds i m u l a t e sp o w e rd a t ac o m m u n i c a t i o no f b o t h l o c a ln e t w o r ki n s i d es u b s t a t i o n sa n dw i d ea l e an e t w o r ka m o n gs u b s t a t i o n s t h e c o m m u n i c a t i o no fp o w e rq u a l i t yd a t aa n dr e l a yp r o t e c t i o nd a t aa r et a k e na se x a m p l e s t oa n a l y z et h ec o m m u n i c a t i o np e r f o r m a n c eo fd i f f e r e n tt y p e so fc o m m u n i c a t i o n 山东大学博士学位论文 n e t w o r k s ，t oc a l c u l a t et h et i m ed e l a yi n d e x e s , a n dp e r f o r m sq u a n t i t a t i v ea n a l y s i st ot h e e f f e c to fd a t ac o m p r e s s i o nt e c h n o l o g yf o ri m p r o v i n gt h er e a l - t i m ep r o p e r t yo fp o w e r s y s t e mc o m m u n i c a t i o n k e y w o r d s ：p o w e rs y s t e mc o m m u n i c a t i o n ；d a t ac o m p r e s s i o n ；h u f f m a nc o d i n g ； i n f o r m a t i o ne n t r o p y ；d e l t am o d u l a t i o n ；b e s tw a v e l e tp a c k a g et r e u e ；o p n e t ；e t h e r n e t v 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进 行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡 献的个人和集体，均己在文中以明确方式标明。本声明的法律责任由本人 承担。 论文作者签名：墅堑亟日期：丝! 丝 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保 留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅 和借阅；本人授权山东大学可以将本学位论文的全部或部分内容编入有关 数据库进行检索，可以采用影印、缩印或其他复制手段保存论文和汇编本 学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：肇啦导师签色多幽 期：趁1 2 垒! 三 山东大学博士学位论文 第一章绪论 1 1 课题研究的内容和意义 随着我国电网规模的扩大和电力信息化建设的加速进行，电网的运行越来越 依赖大量信息的支持，同时海量信息的产生也给数据传输和存储造成了很大负担。 尤其是随着电力系统广域测量、广域控制和保护、故障录波和电能质量监测等技 术的迅速发展，大批新型计算机装置被应用于电力系统，它们采集和产生的大量 数据需要由电力通信网传送到上级管理中心。其中广域信息传递需要通过远程通 信网，这种网络的传输速率通常要比近距离局域网的传输速率低，因此通信速度 慢，传输时间长，往往难以满足电力系统通信的实时性要求，这已经成为制约广 域信息共享和利用的关键问题。而故障录波和电能质量监测设备的数据采样率很 高，产生了大量数据，这不但给数据通信也给数据存储也带来了困难。这样发展 下去势必影响电力信息系统的建设进度和运行性能，还会危及电力系统的安全控 制和稳定运行“瑚。 目前电力系统的数据网络包括生产控制网和生产管理网，主要包括能量管 理、电量计量、电力市场、水调系统、调度生产管理、财务管理、用电营销、办 公自动化等系统产生的大量数据。生产控制网中的数据类型一般分为：实时数据、 历史数据、日志和报警、事故追忆、装置报告等事件记录。实时数据主要包括电 压、电流、有功、无功等数据，以及图像、语音、视频等信号的数据。其中的文 本数据，远动中的遥测、遥调数据，设备运行状态信息，通常要求进行无损压缩， 而图像、语音、视频等信号可以进行有损压缩。当前存在一些通用的商业数据压 缩软件，但是电力系统生产现场有很多场合由于条件所限无法应用这些软件，而 且商用软件并非针对电力数据的特点和要求进行设计，对于在线监测和故障录波 等设备采集的大量波形数据，并不能发挥理想的效果，因此当前根据电力数据自 身特点研究满足电力系统现场要求的数据压缩算法越来越重要。 近年来人们开始将数据压缩( d a t ac o m p r e s s i o n ) 技术引入电力系统，这成为解 山东大学博士学位论文 决上述难题的有效途径，也成为电力系统的一个新兴研究课题。数据压缩就是以最 少的数据编码表示信源所发出的信息，减少容纳给定消息集合或数据采样集合的 信号空间，其目的是减少用于传输和存储信息的时间和空间。数据压缩实际上要 包括压缩和解压缩两个方面。例如，当在通信中应用数据压缩时，需要在发送端 将待传输的数据进行压缩，而接收端则将接收到的压缩数据进行解压缩处理以获 得原始数据。数据压缩技术的发展和信息技术的进步密切相关。在当今信息时代， 存在大量的文字、声音和图像等形式的数据。信息时代一个很重要的特征就是信 息的数字化，但是数字化后的数据量是非常大的。例如文献 3 的电网动态监测系 统中，若装置有3 6 个通道，每周波采样9 6 点，则循环保存1 4 天的数据量接近 3 9 0 g b 。这样大的数据量，无疑给存储器的容量、通信信道的传输能力以及计算机 的处理速度都提出了很高的要求。要解决这一问题，单纯通过增大存储器容量和 通信信道传输率等措旆，往往受到技术和资金等方面的制约而难以实现，采用数 据压缩技术则是一种经济实用的方法。实践证明，通过数据压缩技术能够将数据 以压缩形式存储和传输，从而有效减少数据量。目前数据压缩技术的研究越来越 受到人们的关注，从基本的文件无损压缩到语音、图像和视频等信号的有损压缩， 数据压缩在社会生产和人类生活中发挥着越来越重要的作用嘲。 电力系统也在随着信息技术的进步向数字化方向发展。以通信网络为例，传统 的模拟电力线载波通信已经基本被淘汰， 广泛应用，电力光纤通信网络发展迅猛。 而数字光纤通信技术则得到大力推广和 随着覆盖全国的“三纵四横”光纤通信 网络的建设，以及我国“西电东送、全国联网”发展目标的确定，广域信息的获取 已经成为可能，广域信息将在电力系统中得到重视并发挥更大的作用。传统的电 力系统的控制和保护装置在保证电气设备运行安全基础上，还应考虑互联电网中 各保护、控制装置动作的协调和配合，保证电力系统受到大的扰动后不发生大规 模的连锁跳闸和崩溃现象，这都离不开互联电网中广域信息的通信和开发利用。 尤其是美加大停电事故的发生，使人们更加重视利用广域信息进行电力系统保护 和控制的研究嘲m 。而目前电力系统中一方面有大量的数据需要传输，另一方面远 距离数据通信的速率通常比较慢，制约了广域信息的利用以及广域控制和保护技 2 山东大学博士学位论文 术的发展嘲嘲。 电力工业的发展离不开信息和通信技术，海量电力信息和广域电力系统更加 需要数据压缩技术的支持，研究和应用数据压缩技术对保证电力系统的可靠和高 效运行，提高电力通信的实时性，减少数据存储的负担，加快电力信息化的发展， 以及提高电力系统运行控制水平都具有重要意义。 1 2 电力系统数据压缩概述 目前数据压缩技术已经在电力系统故障录波、电能质量监测和暂态信号分析 等领域得到重视和应用。下面对近年来电力数据压缩的研究和发展情况进行综述。 1 2 1 数据压缩原理简介 关于数据压缩理论比较系统的研究和实践始于2 0 世纪4 0 年代。贝尔( b e l l ) 实验室的克劳德香农( c l a n d es h a n n o n ) 创建了信息论，信息论包括信息存储 和通信的方式，而数据压缩是由于涉及了信息冗余问题而在信息论领域得到系统 的研究。随着信息技术在各个领域的应用与发展，各个系统的数据量越来越大，给 数据的存储、传输以及有效、快速获取信息带来了越来越严重的障碍，因此数据 压缩成为解决上述问题的关键技术啪嘲 1 l j 。 从数据存储的角度看，数据压缩是指在一定的数据存储空间要求下，将相对 庞大的原始数据，重组为满足上述存储空间要求的数据集合，使得从该数据集合 中恢复出来的信息，能够与原始数据相一致，或者能够获得与原始数据一样的使 用品质。从数据通信的角度看，针对某一特定的应用，使用数据压缩技术可在不 增加延迟的条件下提高有效带宽，并使得广域通信网络在升级和基础设施扩容时 的成本降低，从而降低广域通信两络的成本。对于电力系统来说，可以实现在一 定通信设施的基础上提高信息的传输效率，改善通信的实时性，同时降低生产和 运行成本。 数据压缩编码的理论基础是信息论。从信息论的角度看，信息定义为“用来 消除不确定性的东西”，具体地说就是在信息中用来消除对于在信源中发出的消 3 山东大学博士学位论文 息的不确定性的东西。压缩是去掉信息中的冗余部分，也就是确定的或可推知的 部分，用一种更接近信息本质的描述来代替原有冗余的描述。而信息之所以能够 被压缩，是因为信息本身通常存在很大的冗余量，这些冗余量主要是由信息之间 的相似性和可推知性产生的。另一个原因是人的感官对信息之间的某些相似性并 不敏感，去掉这部分冗余仍然不影响人们对信息的感知和理解。 数据压缩方法通常被分为无损( l o s s l e s s ) 压缩和有损( l o s s y ) 压缩两大类。 前者适合于数据库记录、电子表格的工作表以及w o r d 文件等对数据完整性要求 很高的应用领域；而后者是在允许少许数据损失情况下进行的压缩，更适合于语 音、图像及视频的压缩。当前电力系统数据压缩技术中，无损压缩主要是用 h u f f m a n 编码( 中文翻译为哈夫曼或霍夫曼编码) 、算术编码和字典编码等，有损 压缩算法主要有小波压缩算法、小波包压缩算法、傅立叶压缩算法等。根据实际 情况还可以采取有损压缩和无损压缩相结合的方法。 1 2 2 电力数据的无损压缩方法综述 无损压缩算法的发展要回溯到上世纪4 0 年代末期，当时的信息理论导致了第 一个算法s h a n n o n f a n o 的产生，其原理是在文件中为每一个不同的符号分配一个 二进制的代码。而它的出现又很快引发了时至今日还是两大重要算法的发明，即 h u f f m a n 编码和l e m p e l - z i v 算法。 h u f f m a n 编码利用减少平均的串长度实现压缩，即它的代码封装了压缩的内 容，并代表着一个字母表中的每个元素。这个字母表包含了以不同频率出现的符 号或字符。通常，a s c i i 表示法规定了每个确定的文本字符要求8 位，而h u f f m a n 编码方案将最短的代码分配给那些出现频率最高的字符，而将长一些的代码分配 给那些不常出现的字符。这样常见的字符会以少于8 位的代码来表示，而不常出 现的字符会以多于8 位的代码来表示。因此，用来表示文件内容的位的总量就大 大减少了。 h u f f m a n 编码方法被引入电力系统应得到广泛应用1 3 l 。文献 1 4 中采用自适 应h u f f m a n 编码进行电力系统远程通信数据的压缩。文献 1 5 提出将动态哈夫曼 4 山东大学博士学位论文 方法用于电力线介质的计算机网络，并用两种哈夫曼方法对电力线计算机网络的 数据包进行了压缩实验，表明高级动态哈夫曼方法具有较高的压缩比并适应电力 线网络短数据包的特点。文献【1 6 】通过对传统静态哈夫曼编码的讨论以及与动态 哈夫曼编码的对比，研究一种改进的数据压缩算法。文献 1 7 克服了静态哈夫曼编 码方法需要进行两遍扫描的缺点，具有较强的实时性，适合于网络特别是远程网 络进行数据压缩。文献【1 8 】结合h u f f m a n 编码和r - l ( r u n - l e n g t h ，游程编码) 编 码对电力数据进行压缩，取得了较好的效果。近年来人们开始利用其他的数学工 具和h u f f m a n 编码方法结合对电力信息进行数据的无损压缩，并取得了较好效果 n 町。尽管如此，但是这些方法总的思路都是沿用传统的h u f f i n a n 编码方法，对电 力信息的数据压缩不够理想，压缩比低，因此还有必要从电力系统数据( 以下简 称电力数据) 的自身特点出发进行深入研究。 算术编码是一种高效清除字串冗余的无损编码算法。它避开用一个特定码字 代替一输入符号的思想，而用一个单独的浮点数来代替一串输入符号，避开了 h u f f m a n 编码中比特数必须取整的问题。文献【2 0 】以小波变换为基础，提出了能 量阈值法，并结合自适应算术编码方法对扰动数据进行压缩，取得了较好的效果。 在事先不知道编码数据的统计特性时，人们提出了许许多多的数据压缩的方 法，其中字典编码是经典的效率较高的一种无损压缩技术眦1 ，这种技术根本依据 是数据本身包含着重复代码的特性，在压缩查找重复代码时，沿数据流输入的方 向找到完全匹配的字符串或者数据，用已经处理过的数据的指针代替正在处理的 完全匹配的字符串或者数据。具有某种特征或者经过处理后具有某种重复特征的 现象是较为普遍存在的，如果能用这种特点，对数据进行处理，可能会使压缩效 果更好嘲。 1 2 3 电力数据的有损压缩方法综述 傅立叶算法数据压缩是一种比较常见的有损压缩方法。文献 2 3 】中根据电力 系统故障信息远程通信的特点，提出了基于傅氏算法的电力系统故障波形的自适 应快速压缩与复原技术方案，该方案由于傅立叶算法的局限性，即只具有频域分 山东大学博士学位论文 析能力而不具有时域分析能力，使其在压缩性能上受到限制。 小波理论和小波包理论是兼具时域分析和频域分析来处理时变信号的强大数 学工具1 ，文献 2 5 中分析和比较了傅立叶、短时傅立叶变换、连续小波变换和 离散小波变换的特点，指出了运用小波方法进行数据压缩更具有优势。文献 2 4 中指出小波分析凭借其强大的信号处理能力，逐渐成为电力系统数据压缩研究的 热点。近年来小波理论被广泛应用于电力系统故障录波、电能质量在线检测、电 力暂态故障信号等多种数据的压缩曲瑚瑚m 1 。 对故障录波数据的压缩处理受到人们的重视m 1 ，在故障录波数据处理中大量 应用了小波方法。文献 3 2 利用小波的信号奇异性检测原理，提出各尺度上小波 系数奇异点的匹配搜索和最大尺度层数自适应阈值选取方法，通过故障录波信号 频率与采样率的关系确定出最大小波分解层数，然后在该分解层数上进行噪声白 化检验，并对某一个信号奇异点指数计算，以确定出小波最优分解层数。文献 3 3 对电力暂态信号数据进行完全可逆的多尺度整数小波分解，并将各尺度上的小波 系数进行h u f f m a n 编码，从而实现数据的无损压缩。 除了在故障录波方面的应用，在对电能质量数据的处理中也广泛运用小波分 解、阈值选取和信号重构等技术削。比如在电能质量检测仪开发中，对于短时电 压变化信号，可以利用小波函数和信息论进行数据压缩和信号消噪嘲。有的研究 根据小波变换的时频特性，分析信号和噪声在小波分解过程中的不同特性，并在此 基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理，实现数据 压缩啪1 。还有利用离散小波变换实时地对电能质量扰动数据信号进行多分辨分析 ( m r a ) ，在各尺度上筛选与扰动相关的小波变换系数并进行保留，从而实现实时压 缩的目的啪1 。再有将离散小波变换结合径向基神经网络的方法对电力生产过程中 的实时数据进行压缩和解压缩1 。对电力系统测量数据进行离散小波变换后，使 高频系数取门限进行闲值量化，低频系数经过数据变换实施h u f m a n 编码进行压缩 嘲。文献 4 0 利用改进小波法进行电能质量数据的压缩处理。文献 4 1 运用样条 小波和s 变换法进行电能质量数据的压缩。 针对在电力系统发生故障时，微机型继电保护装置因受内存容量的限制，不 6 山东大学博士学位论文 能存储过多故障数据的现象，采用离散小波变换把数据从时域变换到频域，对 高频系数选取门限进行阙值量化，对低频系数则经过数据变换后实施自适应 h u f f a k a n 编码处理，实现数据压缩旧1 。近来也出现了利用提升格式的线性整数小 波双正交滤波器组合哈夫曼编码方法对电力系统的实对数据进行压缩和解压缩 啪。有的利用提升格式小波变换与嵌入式零树编码相结合对电力系统故障数 据进行压缩。 还有研究把小波用于对电力暂态信号的处理，对电力系统故障暂态数据利用 多小波的能量压缩率，采用合适的预处理方法进行处理，取得了比小波方法更好 的压缩效果h 刀。文献 4 9 中提出基于预处理方法对多小波本身滤波器的影响和 实际信号的应用两方面来综合选择最优预处理方法，并提出了基于该方法的多小 波数据压缩方案，应用于电力系统输电线路故障信号的数据压缩。也有提出基于 优化小波基的电力故障暂态数据压缩侧吼1 。文献 5 2 提出基于离散小波变换的电 力暂态信号数据压缩方法，针对电力故障信号为基波伴随短时暂态成分的特点， 研究了基于信号离散小波逼近品质最优，即离散逼近时域二范数最大的小波基优 化方法，并在实际中应用。还有文献指出对电力系统电磁暂态信号的压缩，b i o r 3 小波是一种比较理想的小波基。 尽管小波方法被广泛应用于电力系统数据压缩，但是小波分解在分解能力上 不能将高频分量迸一步细分。在对高频故障信号的处理上有不足之处，而小波包 分析恰恰克服了这一缺陷。 继小波变换在数据压缩方面的研究，人们也开展了利用小波包方法进行数据 处理的研究侧吲。文献 5 6 针对不同频率的小波包系数的不同统计特性设计了相 应的标量量化和矢量量化方法，并对一组实际测量数据进行压缩，取得较好的压 缩比。文献 5 7 利用小波包最优基极好的空间和尺度定位性，使得图像的小波包 变换系数在小波变换域尽可能的集中，从而对图像进行压缩。 随着利用小波包进行数据压缩取得成效，人们开始利用小波包进行电力信息 的数据压缩。2 0 0 3 年，文献 5 8 提出了基于小波包改进算法的电机故障信号压缩 和重构方法。目前利用小波包方法的研究主要集中在最佳小波包的选取、门限阈 7 山东大学博士学位论文 值的确定、算法实现等问题，比如文献 5 9 将正交小波包变换与门限阈值相结合， 对电能质量扰动数据压缩。文献 6 0 将基于最佳小波包基的数据分析方法应用于 电能质量数据压缩，并与基于小波变换的数据压缩方法进行仿真比较。文献 6 1 利用最佳小波包基的快速搜寻算法，对高、低频分量同时进行分解，再对扰动数 据进行压缩重构，并将其与基于小波变换的数据压缩方法进行仿真比较。 随着小波包方法展现出良好的压缩效果，人们对其展开了多方面的研究。比 如将最优小波包基变换应用到故障行波数据的压缩上嘲；利用基于最小熵标准的 最优小波树数据压缩的方法，对电力系统故障录波信号进行数据压缩旧3 。还有在小 波包变换的基础上，将嵌入式零树编码的数据压缩方法应用于电力故障信号压缩 和电力系统数据压缩叫嘶m 1 。 目前利用小波包进行数据压缩虽然取得了一定的进展，但是仍然不尽人意， 比如在小波包基的选取、小波包最优树的选择等方面还需要继续研究和探讨。 另外目前还有其他一些压缩算法在电力系统数据压缩中的应用研究。如文献 6 7 中提到数据压缩在电力调度系统中的应用，根据电力系统数据自身的时间特 性，又根据时段的不同，数据有明显的趋势性，文中利用分段线性趋势数据压缩算 法原理进行数据压缩，取得了明显的压缩效果。文献 6 8 中给出了过程数据压缩 的描述，详细介绍了过程数据压缩的一些常用算法，例如矩形波串法、后向斜率法、 s d t ( s w i n g i n gd o o rt r e n d i n g 旋转门趋势化) 算法、p l o t ( p i e c e w i s el i n e a r o n - l i n et r e n d i n g 分段线性趋势化) 算法及矢量量化方法等。 1 2 4 电力数据的无损与有损压缩方法的结合 在实际中，无损压缩和有损压缩结合使用往往比单独使用一种方法能发挥更 好的效果。文献 6 9 中对电力系统数据进行分析，对重要信号进行无损失压缩， 对有些不重要的信号进行有损压缩。根据这一思路产生了很多无损压缩和有损压 缩相结合的压缩方法，比如对故障录波信号进行数据压缩的过程中，首先采用离 散小波变换把数据从时域变换到频域，然后对高频系数取门限进行阀值量化，而 8 山东大学博士学位论文 低频系数则乘以定倍数变成整型数据，最后把小波分解阶数、量化倍数、被保 留的各层高频系数个数的大小和位置、原始数据个数、低频系数个数以及各数据 之间的结束标识符一起进行静态h u f f m a n 编码嗍。 文献 7 1 中提出首先对科学数据进行预处理，进一步采用小波变换和洗牌 ( s h u f f l e ) 法，再使用通用无损数据压缩算法进行熵编码的科学数据无损压缩流程， 并使用典型算例测试，以较小的时间开销取得了较好的压缩比。 文献 7 2 中指出在实际的故障分析中通常是利用其部分频带信息来解决问题， 而不需要故障暂态信号的全部频带信息，即对于所要解决问题有重要价值的频带 信息进行无损压缩，而对不重要的频带信息可以有损压缩。在此基础上提出了基于 小波包变换、h u f f m a n 编码方法和矢量量化相结合的故障数据压缩算法。该方法首 先利用小波包变换将故障信号分解成各个频带的信息，选择有重要信息的频带采 用自适应h u f f m a n 无损压缩算法，而对于其他频带数据信息，采用矢量量化压缩算 法。这种方法考虑到电力数据的特点采用多种方法相结合进行数据压缩，具有较 大的应用价值和发展潜力。 i 2 5 目前存在的问题和研究方向 综上所述，目前对电力系统数据压缩的研究正在开展并取得了一定的效果， 但是仍然存在一些问题和不足。 首先，压缩算法的研究有一定局限性。例如h u f f m a n 算法对日常的文本字符 数据压缩比较有效，对电力波形数据则压缩效果不好。信息专业研究人员倾向于 从信息论角度去思考改进措施；而对电力专业研究人员来说，如果能针对电力数 据特点展开研究，将很有希望提出通用性不一定强但却非常适合电力系统的高效 压缩算法。 其次，压缩比和计算量仍然是困扰实际应用的大问题。考虑到高档的计算机 通常容易得到商用压缩软件和技术的支持，而工作在电力系统一次设备附近的现 场数据采集和执行装置通常采用速度较低的e p u ( 中央处理器) ，且存储容量非常 有限，因此非常需要研究压缩比高而计算量小的数据压缩算法以支持在现场工作 9 山东大学博士学位论文 的装置。 再次，从压缩效果看，有损压缩中的小波方法和小波包方法具有非常好的压 缩性能，重构误差也便于控制，具有良好的发展前景。但是其在选择最优小波基 和最优小波包树方面还存在一些不足，有必要加强这一方面的研究以推动其在电 力系统的应用。 最后，电力数据进行压缩前后的通信状况也是值得人们分析的问题。因为只 有量化分析数据通信的延时，满足电力通信的实时性要求，才能更准确地评价数 据压缩的价值，才能更高效地实现