基于改進旋轉門算法的船舶綜合電力數據壓縮技術分析

商承亞，鮑先強，付立軍，朱琬璐，徐興華

海軍工程大學 船舶綜合電力技術重點實驗室，湖北 武漢 430033

0 引 言

船舶綜合電力系統（Integrated Power System，IPS）由發電、輸變電、配電、推進、儲能和能量管理6 個子系統組成，其將傳統船舶中相互獨立的動力和電力兩大系統合二為一，以電能的形式統一為推進負載、脈沖負載、通信、導航和日用設備等供電，實現了全艦能源的綜合利用[1-3]，符合船舶信息化和智能化的發展趨勢，代表著船舶動力系統未來的發展方向[4]。

隨著IPS 規模的日益擴大，規模化的量測裝置持續生成大量數據[5]，如果將這些數據直接進行存儲，不僅會大量浪費存儲空間，而且還會使數據查詢和傳輸變得困難[6-7]。傳統的關系型數據存儲方案[8]因其橫向擴展的限制，難以處理來自不同分系統的海量數據，近年來流行的非關系型NoSQL 數據庫存儲方案[5,9-10]雖然在一定程度上緩和了海量數據存儲的壓力，但針對IPS 海量歷史數據的存儲方案還是不太成熟，特別是面對IPS 中日益增長的數據規模，亟需高效的數據壓縮技術予以支撐。

在海量實時數據應用背景下，無損壓縮技術因其壓縮比的限制并不能很好地解決數據的存儲問題，有損壓縮中的信號變換方法雖然通過存儲少量系數可以實現數據的高效壓縮保真[11]，但多種艦船業務中小波基的選取大大增加了該方法的使用難度，而分段線性方法中的旋轉門算法則因算法簡單、壓縮參數便于調整而得到了廣泛應用。

本文擬針對IPS 業務的數據特性，在分析旋轉門趨勢（Swinging Door Trending，SDT）壓縮算法的基礎上，提出一種壓縮偏差?E與船舶業務相適應的數據壓縮算法，并根據不同的船舶業務需求，通過誤差反饋動態調整壓縮偏差?E，以實現對IPS 歷史數據的高效壓縮存儲。同時，基于Simulink 平臺模擬數據序列，然后通過測試評估驗證改進算法的壓縮性能。

1 IPS 數據及SDT 算法

1.1 IPS 數據

以IPS 中壓直流區域配電裝置（圖1）為例進行分析。該系統包括左、右舷700 V 直流母線、4 MW DC/DC 變流器以及4 個配電分區。左、右舷各配置有2 臺4 MW 的DC/DC 變流器，每個配電分區包括2 臺1 MW DC/AC 逆變器，另外，還包含中壓直流整流電源、水電組負載、可調電抗器等陪試設備[12]。在系統運行過程中，需要對重要的電氣參數數據進行采集監測，如交流配電網絡中各節點的有功功率、無功功率、部分節點電壓、直流配電網絡中的電壓電流，以及各類負載的溫、濕度[13]，系統量測的物理量較多，隨著時間的推移，不斷產生的量測值將使數據規模越來越大。

圖 1 IPS 中壓直流區域配電網絡拓撲圖Fig. 1 Medium voltage DC zonal electric distribution network topology of IPS

高度的信息化使IPS 數據呈現出規模大、類型多、更新速度快的特點，給長期歷史數據存儲帶來了極大的壓力，但在系統運行過程中，電氣參數在暫態變化過程后較為穩定，數據量測值臨近度高，可以在數據持久化存儲之前進行相應的壓縮處理來提高數據存儲效率。

1.2 SDT 算法

SDT 算法是一種采用直線對過程數據進行擬合的算法，對于數據樣本，其通過規定最大允許誤差，可以找出盡可能最長的直線趨勢，這對緩慢變化的數據來說能夠提供較好的壓縮和恢復性能[14-15]。

SDT 算法原理[7,16-17]如下：以圖2 為例，橫坐標T0～T5為采集數據點的時間坐標，縱坐標為采集數據點的數據值，設?E為壓縮偏差，以數據點Y0為起始點，以距離數據點Y0為?E的上、下兩點作為支點，建立兩扇虛擬的門，當只有一個數據時門閉合，隨著數據點的增加，門會旋轉打開，門的長度也可延伸，且一旦打開就不能再閉合；只要兩扇門的內角之和小于180°，旋轉操作就可以繼續，當兩扇門的內角之和大于180°時，就停止操作，然后存儲前一數據點，并由該點開始新一段壓縮。因此在圖2 中，存儲點為Y0，Y3，Y4。

SDT 算法的壓縮偏差?E決定了兩扇門達到平行時所能容納的精度范圍，其對算法的壓縮性能影響較大。壓縮偏差?E越大，舍棄的原數據點越多，壓縮存儲的數據量就越少，算法的數據壓縮效果也就越好；反之，壓縮偏差?E設置得越小，壓縮存儲的數據量就越大，算法的數據壓縮效果也就越差。

圖 2 旋轉門算法壓縮原理Fig. 2 Swinging door algorithm compression principle

IPS 不同分系統的數據特性不同，多種業務軟件的數據處理需求不同，因此數據壓縮過程中所需要設置的?E也不同，而數據壓縮時?E值是預先設定的，通常需要經過長時間的積累和經驗才能確定合適的值，這與IPS 的多種業務軟件需求相矛盾。另外，SDT 算法在提供高壓縮比的同時忽略了數據精度對于數據壓縮的重要性，如果只追求數據的高壓縮比，會在數據壓縮過程中舍棄較多的原數據，易造成數據解壓縮之后的失真，這對于業務應用來說很重要，因為失真的數據不能真實反映系統運行狀態，可能會導致錯誤的控制指令，如斷路器的錯誤開斷、發電機的錯誤解列，這些錯誤指令會給整個IPS 的運行帶來很大的不穩定因素。因此，在IPS 數據壓縮存儲過程中，壓縮算法在保證數據壓縮精度的前提下根據業務性能對壓縮偏差?E進行動態調整就顯得很有必要。

2 改進的SDT 算法

2.1 數據壓縮算法的評價指標

數據壓縮算法的評價指標通常采用數據壓縮比和數據的解壓縮誤差來表示。設一組數據為y1～yn，壓縮之后數據的個數為m（m≤n），解壓縮后的數據為，那么描述數據壓縮性能的壓縮比CR、均方誤差MSE、均方根誤差RMSE和平均絕對誤差MAE分別如下所示：

壓縮比CR用于衡量壓縮算法對一組數據的壓縮能力，壓縮比越大，算法的壓縮效果越好，其通常是作為較為硬性的壓縮效果評價指標；上面的3 種解壓縮誤差都不同程度地反映了一組數據的失真程度，即數據解壓縮之后的數據準確度，它們的計算值越小，表明原數據與解壓縮值之間的誤差越小，算法的壓縮精度越高，其中平均絕對誤差MAE的計算最簡單，計算量也最小。在數據規模越來越大的背景下，本文選擇計算量較小的MAE作為數據壓縮評價指標，在反映數據壓縮性能的前提下，可以節省一定的計算開銷。

2.2 算法概述

針對合適的壓縮偏差?E難以確定的問題，本文將數據真實值與數據解壓縮值之間的平均絕對誤差MAE作為數據壓縮算法的重要評價指標，并根據實際壓縮誤差與期望壓縮誤差之間的偏差動態調整數據壓縮偏差?E，調整之后，再次對壓縮數據進行壓縮。通過不斷的迭代，使數據壓縮的實際性能符合預期，從而降低數據存儲量。

本文將基于自動控制系統模型，將數據真實值與解壓縮值（預測值）之間的期望誤差δ作為系統輸入，實際平均絕對誤差MAE作為系統的輸出，兩者之間的差值ε作為反饋量，通過負反饋作用于控制器來調整壓縮偏差?E。在改進的壓縮算法中，參數?E不需要設定為固定值，只需要給出大致的上、下閾值，就可以根據實際的壓縮情況進行動態調整。

2.3 算法步驟

假設Emax和Emin分別為壓縮偏差?E的上、下閾值，D為壓縮偏差的調整參數，τ為數據解壓縮實際誤差與期望誤差之間的偏差容差，y1～yn為一組待壓縮的數據值，算法步驟如下：

1） 在對當前的數據點y1～yn進行數據壓縮之前，首先進行壓縮參數的初始化。Emax和Emin可以自行設定，D和τ作為自動控制系統模型參數需要提前設定，本算法擬設Emax=0.6，Emin=0.1，?E=（Emax+Emin） /2，D=（Emax?Emin） /10，τ=0.2。

2） 設T為壓縮算法所允許的最大時間間隔，從待壓縮數據中取出一點yi（1≤i≤n），若該點與上一存儲點的時間間隔大于等于T，則將前一個數據點yi-1直接存儲，不需要進行旋轉門分析，否則，進行下一步驟的旋轉門壓縮。

3） 計算數據點yi處旋轉門兩扇門的斜率kup和kdown，如果兩扇門之間已經平行，或者說kup≥kdown，則將前一數據點yi-1進行存儲，并將其作為新的壓縮起始點，否則，該數據點yi將被舍棄。

4） 檢驗數據是否壓縮完畢，若壓縮完畢，進行下一步的操作，否則，返回第2）步，對下一數據點yi+1進行相同的壓縮操作。

5） 數據壓縮完畢后，通過解壓縮算法對數據進行恢復，解壓縮之后的數據為，由此可以計算出數據真實值與解壓縮值之間的平均絕對誤差MAE，經與期望誤差δ作差，得到兩者之間的差值ε。

6） 根據差值ε情況，對壓縮偏差?E做出動態調整：

（1） 當0≤ε＜δ·τ時，說明數據偏差ε在可容許的誤差范圍內，?E選取比較合適，不需要做出調整；

（2） 當ε≥δ·τ時，說明數據偏差ε偏大，所計算獲得的平均壓縮誤差MAE偏小，?E偏小，存儲了較多原始數據，應在Emax范圍內適當擴大?E，

（3） 當?δ·τ＜ε＜0 時，說明數據偏差ε偏小，計算獲得的平均壓縮誤差MAE偏大，?E偏大，舍棄了較多的原始數據，應在Emin范圍內適當減小?E，

當ε不屬于以上情況時，說明解壓縮之后的數據已經嚴重失真，應直接返回第1）步，對初始參數進行重新設置，然后再進行數據壓縮處理。

7） 對壓縮偏差?E進行動態調整后，返回第2）步用新的?E進行數據壓縮處理，通過不斷迭代直至偏差ε在誤差容許范圍內，從而完成數據壓縮。改進算法的具體流程如圖3 所示。

2.4 數據解壓縮原理

對改進SDT 壓縮算法的數據進行數據解壓縮時，通常采用線性插值法，由存儲的數據點之間的兩點連線來表示兩點之間任意時刻的解壓值。假設y0,yk為連續存儲的2 個數據點，t0,tk為其所對應的時間，則它們之間任意時刻ti所對應的解壓縮值y?i都可以用公式（7）來表示。

3 性能測試

3.1 測試環境及負載生成

圖 3 改進SDT 算法流程圖Fig. 3 Improved SDT algorithm flow chart

測試平臺采用X86 架構，平臺的核心配置參數如下：CPU 為i5@3.4 GHz，ARM 為8 GB，算法的實現以及測試程序均基于C-Free 開發環境，在Win7（64 位）操作系統下展開測試。測試程序通過加載Simulink 模塊模擬生成具有IPS 數據特點的數據序列文件，實現對模擬IPS 數據的壓縮，并存儲在相應的文件中。

IPS 運行時，所需要監測的電氣量主要分為具有振蕩特性的交流信號、穩定的直流信號和激變的脈沖信號3 種，例如發電機側與低壓網絡中的交流參數、中壓直流區域配電網絡中的各種直流參數、溫度參數和高能武器系統中的脈沖參數，這些電氣參數的暫態變化過程可以由振蕩信號、直流信號和激變信號疊加而成。因此，測試負載的生成即是在提取IPS 數據特點的基礎上，在Simulink 中分別模擬生成系統運行時的數據文件，以進行壓縮算法的性能測試。

3.2 振蕩信號的處理測試

對于具有振蕩特性的交流信號的生成，在Simulink 模塊中選取正弦信號波發生器sine wave，模擬產生y=Asin(ωx+?)形 式的數據文件sin.mat并加載到Matlab 軟件中生成txt 文本文件，然后通過改進的SDT 算法進行數據壓縮處理測試。

設A=100，ω=2，φ=0°，為保證數據壓縮精度，本算法設置τ=0.2，δ=0.2，Emin=0.1，Emax=0.6，T=10Tf（Tf為采樣周期），對采集的數據序列進行壓縮處理并存儲到out.txt文件中，然后通過解壓縮算法將數據恢復至src.txt文件中。

為能直觀地看出壓縮效果，先選取數據量小（n=300）的數據序列，將原數據序列、壓縮存儲數據與解壓縮數據在Matlab 軟件中繪出并進行對比，結果如圖4（a）所示。

保持改進SDT 算法的參數設置不變，對不同幅值、不同頻率的振蕩數據序列進行壓縮處理。通過Simulink 平臺模擬產生3 種振蕩數據序列y=100sin2x，y=200sin2x和y=100sin3x，在期望誤差δ=0.2 的情況下，原數據解壓縮值的精度得到了保證，隨著數據量的增加，算法的壓縮效果如圖4（b）和圖4（c）所示。

由圖4（b）可以看出，改進的SDT 算法對不同的振蕩數據序列均有著很好的壓縮效果，隨著被壓縮數據幅值、采集頻率的增大，數據壓縮效果有所下降。由圖4（c）可以看出，算法的壓縮效果隨著數據量的增大變化不大，較為穩定。另外，在數據的壓縮過程中，在期望誤差δ和壓縮偏差上、下限確定的情況下，隨著幅值、采集頻率的增大，算法的迭代次數，即?E的調整次數也會逐漸增加，但整個過程都是自動進行的動態調整。

圖 4 振蕩數據序列的數據壓縮Fig. 4 The data compression of oscillation data sequence

3.3 直流信號的處理測試

對于IPS 穩定運行過程中直流信號的生成，可在Simulink 模塊中選用脈沖發生器Pulse Generator，通過調節占空比和信號周期模擬生成的y=A形式數據文件constant.mat，將數據轉為txt 格式存儲后，再通過壓縮算法來進行直流信號的壓縮性能測試。

設A=100，對于直流信號的壓縮，期望誤差的取值可以稍大一些以提高壓縮比。本算法設置τ=0.2，δ=0.5，Emin=0.1，Emax=0.6，T=10Tf，將采集的數據序列進行壓縮處理并存儲到out.txt 文件中，然后再通過解壓縮算法將數據恢復至src.txt文件。

為了直觀地看出壓縮效果，先選取數據量小（n=300）的數據序列，將原數據序列、壓縮存儲數據與解壓縮數據在Matlab 軟件中繪出并進行對比，結果如圖5（a）所示。圖中，紅色的點為壓縮存儲點。

保持改進SDT 算法的參數設置不變，對穩定的直流數據序列進行壓縮處理，在期望誤差δ=0.5 的情況下，隨著數據量的增加，算法的壓縮效果如圖5（b）所示。

由圖5（b）可以看出，改進的SDT 算法對于穩定的直流數據序列有著良好的數據壓縮效果，且壓縮效果隨著數據量的增大變化不大。另外，此時的數據壓縮比CR受最大時間間隔T的影響較大，當T固定后，壓縮比CR也會固定，考慮到數據解壓縮是通過線性插值方法實現的，所以此時的解壓縮數據與原數據之間的實際誤差為0。

3.4 脈沖信號的處理測試

對具有激變特性的脈沖信號的生成，可在Simulink 模塊中選用脈沖發生器Pulse Generator，通過調節占空比和幅值模擬生成的數據文件pulse.mat，在將數據加載到Matlab 軟件中轉為txt 格式后，通過改進的SDT 算法進行脈沖信號的壓縮性能測試。設Pulse Generator 發生器的信號幅值為100，占空比為5%，對脈沖信號的壓縮，可將壓縮偏差的上、下限稍作改動以提高壓縮比。本算法設置τ=0.2，δ=0.5，Emin=0.1，Emax=0.6，T=10Tf，對采集的數據序列進行壓縮處理并存儲到out.txt文件中，然后通過解壓縮算法將數據恢復至src.txt文件。

為了直觀地看出壓縮效果，先選取數據量小（n=300）的數據序列，將原數據序列、壓縮存儲數據與解壓縮數據在Matlab 軟件中繪出并進行對比，結果如圖5（c）所示。

圖 5 直流/脈沖數據序列數據壓縮Fig. 5 The data compression of DC/pulse data sequence

保持改進SDT 算法的參數設置不變，對激變的脈沖數據序列進行壓縮處理，在期望誤差δ=0.5 的情況下，隨著數據量的增加，算法的壓縮效果如圖5（d）所示。

由圖5（d）可以看出，改進的SDT 算法對激變的脈沖數據序列有著良好的壓縮效果，其在保證解壓縮數據精度的前提下能夠實現較大的壓縮比，且隨著數據量的增大，算法的壓縮性能也較為穩定。另外，由圖中還可以看出，最大的時間間隔T對脈沖數據序列的壓縮影響較大，而當參數T設定后，其對于脈沖數據序列的壓縮性能便基本不變了。

4 結 論

隨著IPS 的發展，傳統的數據存儲方法存在著占用資源過多，已有的壓縮算法存在著忽視壓縮精度、多種業務下壓縮偏差難以確定等問題。本文基于SDT 算法提出了其改進算法，優勢如下：

1） 能根據系統數據特性保證數據的壓縮精度在期望范圍內，滿足IPS 業務需求；

2） 能在保證精度的同時動態調整壓縮偏差，通過平均絕對誤差反饋不斷迭代獲得較高的壓縮比，簡化壓縮偏差的設置步驟。

文章基于Simulink 模擬產生了具有系統數據特性的數據序列并對算法性能進行了測試，結果證明對于模擬的數據序列，改進的SDT 算法具有較好的壓縮效果。可見，采用改進的SDT 算法可以提高IPS 的數據壓縮效率，對于數據驅動的船舶智能化具有重要意義。