CN104682962A - 一种海量燃气数据的压缩方法 - Google Patents
一种海量燃气数据的压缩方法 Download PDFInfo
- Publication number
- CN104682962A CN104682962A CN201510067670.XA CN201510067670A CN104682962A CN 104682962 A CN104682962 A CN 104682962A CN 201510067670 A CN201510067670 A CN 201510067670A CN 104682962 A CN104682962 A CN 104682962A
- Authority
- CN
- China
- Prior art keywords
- data
- compression
- max
- data point
- fan door
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Portable Nailing Machines And Staplers (AREA)
Abstract
本发明提供了一种海量燃气数据的压缩方法,步骤为:参数初始化、比较记录时间间隔、“旋转门”数据压缩、数据解压、计算偏差以及根据偏差调整压缩容差。该方法采用负反馈来实时调节压缩参数,从而始终确保较高的压缩精度,能够根据燃气数据的使用时间规律对燃气数据进行精确压缩,具有较好的应用前景。
Description
技术领域
本发明涉及一种数据压缩方法,尤其是一种用于对海量的燃气数据进行压缩的方法。
背景技术
随着自动化技术的不断发展,相关的技术和产品为燃气管网和设备运行状态信息的监管建立提供了坚实的技术基础。燃气信息监管***包括燃气数据的采集、反馈、存储和分析。数据的采集包括管网及燃气设备运行的工作压力、流量以及针对特殊用户的安全报警等信号的采集,通过通讯手段将数据反馈回数据中心,帮助管理人员及时、准确地了解运行情况。城市燃气管网、调压站、用户燃气表具等监管***中每天都产生海量的过程数据,在监控过程中长期积累的数据是燃气企业宝贵的资源,为诊断和处理故障提供了第一手资料;同时,可以通过对不同时间段的历史数据进行分析,模拟出整个管网运行的变化规律,为管网的优化提供直观而且准确的数据依据。因此,普遍存在着存储和利用这些海量生产数据的应用需求,但保存历史数据存在一定的困难:由于监控数据点数量巨大,需要保存的历史数据十分可观,若不经压缩直接存储,将需要很多的存储介质。因此,研究的历史数据的压缩方法显得很重要。通常采用的旋转门趋势分析(Swinging Door Trend,SDT)算法是目前过程工业中数据压缩最为流行的算法,国外著名的实时数据库OSI公司的PI、GE公司Proficy Historian以及爱康诺(ICONICS)公司的Hyper Historian等数据库都是采用SDT(“旋转门”压缩)技术,中国的实时数据库厂商基本上也是基于SDT技术进行拓展。
发明内容
本发明要解决的技术问题是由于监控数据点数量巨大,而现有的压缩方法失容差性差、真率较高,在数据解压后不能有效地反映实际数据情况。
为了解决上述技术问题,本发明提供了一种海量燃气数据的压缩方法,包括如下步骤:
步骤1,根据燃气使用时间段实时设定最大时间间隔参数Tmax、压缩偏移量的调整幅度参数η、压缩容差ΔE、偏差容差参数μ、期望误差δs以及死区阈值ε,其中,死区阈值ε=μ·δs,压缩容差ΔE=ΔEmax-ΔEmin,ΔEmax和ΔEmin分别为压缩容差ΔE的上限和下限;
步骤2,按时间先后顺序读取燃气数据采集序列中的一个数据点yk(0<k≤n),并计算数据点yk与前一数据点yk-1的记录时间间隔Δt,若Δt<Tmax,则进入步骤4,若Δt≥Tmax,则进入步骤3;
步骤3,直接存储前一数据点,并将k加1,再返回步骤2;
步骤4,计算“旋转门”转动到数据点yk状态时的上扇门斜率和下扇门斜率,并将数据点yk状态时的上扇门斜率和下扇门斜率与前一数据点yk-1状态时的上扇门斜率和下扇门斜率作比较,取上扇门斜率的较大值作为数据点yk状态时的上扇门斜率,取下扇门斜率的较小值作为数据点yk状态时的下扇门斜率,若此时数据点yk状态时的上扇门斜率≤数据点yk状态时的下扇门斜率,则存储前一数据点yk-1,同时结束本次“旋转门”的数据压缩,并将前一数据点yk-1作为下一“旋转门”数据压缩的起始点,再进入步骤5,若此时本次数据点状态时的上扇门斜率>本次数据点状态时的下扇门斜率,则直接进入步骤5;
步骤5,判断当前燃气数据采集序列中的数据是否压缩完毕,若压缩完毕,则进入步骤6,若未压缩完毕,则将k加1后返回步骤2;
步骤6,对压缩后的数据进行数据解压,并采用线性插值法恢复没有存储的数据点,根据解压后的数据以及原始数据y1,…,yn计算最大误差以及平均误差若δmax≥δs,则存储δmax所对应的原始数据,再根据偏差e=δs-δ进行调整:
1)若|e|<ε,表明偏差在允许范围内,则不对ΔE作调整,并进入步骤7;
2)若e≥ε,表明平均误差δ偏小,ΔE设置偏低,会导致压缩比CR偏低,则进入步骤1对压缩偏移量ΔE在ΔEmax限定范围内作增大调整ΔE=ΔE+η·e/ε,若ΔE>ΔEmax,则ΔE=ΔEmax;
3)若e<-ε,表明平均误差δ偏大,ΔE设置偏高,会降低压缩后数据的解压精度,则进入步骤1对压缩偏移量ΔE在ΔEmin限定范围内作减小调整ΔE=ΔE-η·e/ε,若ΔE<ΔEmin,则ΔE=ΔEmin;
步骤7,判断是否有新的燃气数据采集序列待压缩,若有,则返回步骤2,若没有,则结束并退出。
采用“旋转门”数据压缩方法对有时间规律的燃气数据进行压缩,根据实时解压效果及时调整压缩容差ΔE,使数据压缩过程始终保持较高的压缩解压精度;采用将数据点yk状态时的上扇门斜率和下扇门斜率与前一数据点yk-1状态时的上扇门斜率和下扇门斜率作比较,取上扇门斜率的较大值作为数据点yk状态时的上扇门斜率,取下扇门斜率的较小值作为数据点yk状态时的下扇门斜率,从而只要一次“旋转门”压缩过程中上扇门斜率最大值与下扇门斜率最小值满足旋转条件便执行压缩,进一步提高了压缩精度,有效防止突变的数据被遗漏;采用在δmax≥δs时存储δmax所对应的原始数据,能够将出现突变的数据进行存储,有效防止突变的数据被遗漏,进一步提高了压缩精度。
作为本发明的进一步限定方案,步骤1中最大时间间隔参数Tmax在0:00~6:00时间段内的值为1800秒,在6:00~8:00时间段内的值为300秒,在8:00~10:00时间段内的值为600秒,在10:00~12:00时间段内的值为300秒,在12:00~17:00时间段内的值为900秒,在17:00~19:00时间段内的值为300秒,在19:00~24:00时间段内的值为1200秒。根据燃气使用的时间规律来实时调整最大时间间隔参数Tmax,不仅降低了压缩耗能,还提高了数据压缩率,进一步减少了压缩后的数据量。
作为本发明的进一步限定方案,步骤1中压缩偏移量的调整幅度参数η=(ΔEmax-ΔEmin)/12。采用该调整幅度参数能够满足燃气实际使用时的调整幅度,在该调整幅度参数下进行调整能够避免单次调节过大而导致压缩精度下降的问题。
作为本发明的进一步限定方案,步骤1中偏差容差参数μ大小为0.1~0.2。采用0.1~0.2偏差容差参数能够确保燃气数据压缩始终在较高的压缩精度内。
本发明的有益效果在于:(1)采用“旋转门”数据压缩方法对有时间规律的燃气数据进行压缩,根据实时解压效果及时调整压缩容差ΔE,使数据压缩过程始终保持较高的压缩解压精度;(2)采用将数据点yk状态时的上扇门斜率和下扇门斜率与前一数据点yk-1状态时的上扇门斜率和下扇门斜率作比较,取上扇门斜率的较大值作为数据点yk状态时的上扇门斜率,取下扇门斜率的较小值作为数据点yk状态时的下扇门斜率,从而只要一次“旋转门”压缩过程中上扇门斜率最大值与下扇门斜率最小值满足旋转条件便执行压缩,进一步提高了压缩精度,有效防止突变的数据被遗漏;(3)采用在δmax≥δs时存储δmax所对应的原始数据,能够将出现突变的数据进行存储,有效防止突变的数据被遗漏,进一步提高了压缩精度。
附图说明
图1为本发明的控制反馈模型;
图2为本发明的方法流程图。
具体实施方式
目前“旋转门”数据压缩方法在压缩过程中通过丢弃一些数据从而减少数据容量。要求这些被丢弃的数据必须在一定范围内不影响数据的恢复和重建,因此,评价压缩过程好坏的重要指标通常是数据的解压缩误差。针对这个问题,本发明在数据压缩过程中,计算出期望压缩性能和实际性能之间的绝对偏差,根据绝对偏差大小自动对压缩容差ΔE进行调整,并把调整后的ΔE作为下一组数据的压缩偏移量,这样使实际压缩性能不断接近期望性能。
实际压缩性能一般用压缩比和误差来衡量。假定一组燃气数据个数为n,记为y1,…,yn,压缩后数据个数为m(m≤n);解压后数据个数仍为n,记为:则压縮比CR、相对误差RE、绝对误差AE、平方和误差SE以及均方差MSE定义分别为: 以及
其中,CR用来衡量算法的压缩能力,AE、RE、SE和MSE均可用来衡量数据的失真度。
燃气数据具有单调增加的特性,大部分燃气数据在每天用餐前的若干小时内变化比较大,其余时间基本不变化。本发明针对燃气数据的特性,对传统的“旋转门”数据压缩方法进行改进,用压缩比衡量数据的压缩能力,用数据的平均误差来衡量数据的失真度。压缩比CR=0表示无压缩能力,CR=1表示压缩后的数据为原数据的一半,CR值越大则压缩能力越强。平均误差表示了全部数据压缩误差的平均值,是综合考率全部数据的误差,从而可以准确地评估一组数据的整体压缩性能,平均误差δ定义为本发明同时对单个数据的绝对误差给予评价,对于一个压缩区间内误差超过期望误差的最大误差所对应的数据点直接进行存储。
如图1所示,本发明的主要思想是:首先对燃气数据的“旋转门”压缩方法进行改进,找出压缩区间内超过期望误差的最大误差点进行存储;然后根据反馈控制的思想对“旋转门”压缩方法中的压缩容差ΔE进行修正计算,燃气数据“旋转门”压缩方法的压缩过程作为被控对象,改进方法的控制策略作为控制器,负责调整“旋转门”压缩方法中的压缩容差ΔE;***输入为期望误差δs,输出为实际的平均误差δ,输出负反馈到输入端,计算偏差e=δs‐δ,并通过一个非线性死区环节ε送给控制器。
如图2所示,本发明的海量燃气数据的压缩方法,具体包括如下步骤:
步骤1,根据燃气使用时间段实时设定最大时间间隔参数Tmax、压缩偏移量的调整幅度参数η、压缩容差ΔE、偏差容差参数μ、期望误差δs以及死区阈值ε,其中,死区阈值ε=μ·δs,压缩容差ΔE=ΔEmax-ΔEmin,ΔEmax和ΔEmin分别为压缩容差ΔE的上限和下限;
步骤2,按时间先后顺序读取燃气数据采集序列中的一个数据点yk(0<k≤n),并计算数据点yk与前一数据点yk-1的记录时间间隔Δt,若Δt<Tmax,则进入步骤4,若Δt≥Tmax,则进入步骤3;
步骤3,直接存储前一数据点,并将k加1,再返回步骤2;
步骤4,计算“旋转门”转动到数据点yk状态时的上扇门斜率和下扇门斜率,并将数据点yk状态时的上扇门斜率和下扇门斜率与前一数据点yk-1状态时的上扇门斜率和下扇门斜率作比较,取上扇门斜率的较大值作为数据点yk状态时的上扇门斜率,取下扇门斜率的较小值作为数据点yk状态时的下扇门斜率,若此时数据点yk状态时的上扇门斜率≤数据点yk状态时的下扇门斜率,则存储前一数据点yk-1,同时结束本次“旋转门”的数据压缩,并将前一数据点yk-1作为下一“旋转门”数据压缩的起始点,再进入步骤5,若此时本次数据点状态时的上扇门斜率>本次数据点状态时的下扇门斜率,则直接进入步骤5;
步骤5,判断当前燃气数据采集序列中的数据是否压缩完毕,若压缩完毕,则进入步骤6,若未压缩完毕,则将k加1后返回步骤2;
步骤6,对压缩后的数据进行数据解压,并采用线性插值法恢复没有存储的数据点,根据解压后的数据以及原始数据y1,…,yn计算最大误差以及平均误差若δmax≥δs,则存储δmax所对应的原始数据,再根据偏差e=δs-δ进行调整:
1)若|e|<ε,表明偏差在允许范围内,则不对ΔE作调整,并进入步骤7;
2)若e≥ε,表明平均误差δ偏小,ΔE设置偏低,会导致压缩比CR偏低,则进入步骤1对压缩偏移量ΔE在ΔEmax限定范围内作增大调整ΔE=ΔE+η·e/ε,若ΔE>ΔEmax,则ΔE=ΔEmax;
3)若e<-ε,表明平均误差δ偏大,ΔE设置偏高,会降低压缩后数据的解压精度,则进入步骤1对压缩偏移量ΔE在ΔEmin限定范围内作减小调整ΔE=ΔE-η·e/ε,若ΔE<ΔEmin,则ΔE=ΔEmin;
步骤7,判断是否有新的燃气数据采集序列待压缩,若有,则返回步骤2,若没有,则结束并退出。
根据燃气使用的时间规律,本发明的步骤1中最大时间间隔参数Tmax在0:00~6:00时间段内的值为1800秒,在6:00~8:00时间段内的值为300秒,在8:00~10:00时间段内的值为600秒,在10:00~12:00时间段内的值为300秒,在12:00~17:00时间段内的值为900秒,在17:00~19:00时间段内的值为300秒,在19:00~24:00时间段内的值为1200秒。根据燃气使用的时间规律来实时调整最大时间间隔参数Tmax,不仅降低了压缩耗能,还提高了数据压缩率,进一步减少了压缩后的数据量。
根据采集的燃气数据的特点,本发明的步骤1中压缩偏移量的调整幅度参数设定为:η=(ΔEmax-ΔEmin)/12。采用该调整幅度参数能够满足燃气实际使用时的调整幅度,在该调整幅度参数下进行调整能够避免单次调节过大而导致压缩精度下降的问题。
根据采集的燃气数据的特点,本发明的步骤1中偏差容差参数μ的大小设定为:0.1~0.2。优选地可设定为0.15,能够更好地与燃气数据的特点相适应。采用0.1~0.2偏差容差参数能够确保燃气数据压缩始终在较高的压缩精度内。
Claims (5)
1.一种海量燃气数据的压缩方法,其特征在于,包括如下步骤:
步骤1,根据燃气使用时间段实时设定最大时间间隔参数Tmax、压缩偏移量的调整幅度参数η、压缩容差ΔE、偏差容差参数μ、期望误差δs以及死区阈值ε,其中,死区阈值ε=μ·δs,压缩容差ΔE=ΔEmax-ΔEmin,ΔEmax和ΔEmin分别为压缩容差ΔE的上限和下限;
步骤2,按时间先后顺序读取燃气数据采集序列中的一个数据点yk(0<k≤n),并计算数据点yk与前一数据点yk-1的记录时间间隔Δt,若Δt<Tmax,则进入步骤4,若Δt≥Tmax,则进入步骤3;
步骤3,直接存储前一数据点,并将k加1,再返回步骤2;
步骤4,计算“旋转门”转动到数据点yk状态时的上扇门斜率和下扇门斜率,并将数据点yk状态时的上扇门斜率和下扇门斜率与前一数据点yk-1状态时的上扇门斜率和下扇门斜率作比较,取上扇门斜率的较大值作为数据点yk状态时的上扇门斜率,取下扇门斜率的较小值作为数据点yk状态时的下扇门斜率,若此时数据点yk状态时的上扇门斜率≤数据点yk状态时的下扇门斜率,则存储前一数据点yk-1,同时结束本次“旋转门”的数据压缩,并将前一数据点yk-1作为下一“旋转门”数据压缩的起始点,再进入步骤5,若此时本次数据点状态时的上扇门斜率>本次数据点状态时的下扇门斜率,则直接进入步骤5;
步骤5,判断当前燃气数据采集序列中的数据是否压缩完毕,若压缩完毕,则进入步骤6,若未压缩完毕,则将k加1后返回步骤2;
步骤6,对压缩后的数据进行数据解压,并采用线性插值法恢复没有存储的数据点,根据解压后的数据以及原始数据y1,…,yn计算最大误差以及平均误差若δmax≥δs,则存储δmax所对应的原始数据,再根据偏差e=δs-δ进行调整:
1)若|e|<ε,表明偏差在允许范围内,则不对ΔE作调整,并进入步骤7;
2)若e≥ε,表明平均误差δ偏小,ΔE设置偏低,会导致压缩比CR偏低,则进入步骤1对压缩偏移量ΔE在ΔEmax限定范围内作增大调整ΔE=ΔE+η·e/ε,若ΔE>ΔEmax,则ΔE=ΔEmax;
3)若e<-ε,表明平均误差δ偏大,ΔE设置偏高,会降低压缩后数据的解压精度,则进入步骤1对压缩偏移量ΔE在ΔEmin限定范围内作减小调整ΔE=ΔE-η·e/ε,若ΔE<ΔEmin,则ΔE=ΔEmin;
步骤7,判断是否有新的燃气数据采集序列待压缩,若有,则返回步骤2,若没有,则结束并退出。
2.根据权利要求1所述的海量燃气数据的压缩方法,其特征在于:所述步骤1中最大时间间隔参数Tmax在0:00~6:00时间段内的值为1800秒,在6:00~8:00时间段内的值为300秒,在8:00~10:00时间段内的值为600秒,在10:00~12:00时间段内的值为300秒,在12:00~17:00时间段内的值为900秒,在17:00~19:00时间段内的值为300秒,在19:00~24:00时间段内的值为1200秒。
3.根据权利要求1或2所述的海量燃气数据的压缩方法,其特征在于:所述步骤1中压缩偏移量的调整幅度参数η=(ΔEmax-ΔEmin)/12。
4.根据权利要求1或2所述的海量燃气数据的压缩方法,其特征在于:所述步骤1中偏差容差参数μ大小为0.1~0.2。
5.根据权利要求3所述的海量燃气数据的压缩方法,其特征在于:所述步骤1中偏差容差参数μ大小为0.1~0.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510067670.XA CN104682962A (zh) | 2015-02-09 | 2015-02-09 | 一种海量燃气数据的压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510067670.XA CN104682962A (zh) | 2015-02-09 | 2015-02-09 | 一种海量燃气数据的压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104682962A true CN104682962A (zh) | 2015-06-03 |
Family
ID=53317617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510067670.XA Pending CN104682962A (zh) | 2015-02-09 | 2015-02-09 | 一种海量燃气数据的压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104682962A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126728A (zh) * | 2016-07-04 | 2016-11-16 | 上海电气集团股份有限公司 | 一种实时数据分布式并行压缩的方法 |
CN108540136A (zh) * | 2018-03-13 | 2018-09-14 | 华侨大学 | 一种适用于农业传感数据的压缩方法 |
CN108667463A (zh) * | 2018-03-27 | 2018-10-16 | 江苏中科羿链通信技术有限公司 | 监测数据压缩方法 |
CN111680012A (zh) * | 2020-06-12 | 2020-09-18 | 吉林省电力科学研究院有限公司 | 一种用于供热***监控数据的数据压缩方法 |
CN112182034A (zh) * | 2019-07-03 | 2021-01-05 | 河南许继仪表有限公司 | 一种数据压缩方法与装置 |
CN112965976A (zh) * | 2021-02-26 | 2021-06-15 | 中国人民解放军海军工程大学 | 一种电磁能***业务时序数据压缩方法、非暂态可读记录媒体及数据处理装置 |
CN113258933A (zh) * | 2021-05-28 | 2021-08-13 | 山西阳光三极科技股份有限公司 | 多区间自适应旋转门算法 |
CN113300388A (zh) * | 2021-06-11 | 2021-08-24 | 华北电力大学(保定) | 一种基于改进旋转门算法的风电功率波动平抑方法 |
CN114640355A (zh) * | 2022-03-30 | 2022-06-17 | 北京诺司时空科技有限公司 | 时序数据库的有损压缩及解压缩方法、***、存储介质、设备 |
CN114969060A (zh) * | 2022-08-01 | 2022-08-30 | 浙江木链物联网科技有限公司 | 一种工业设备时序数据压缩存储方法、装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201993755U (zh) * | 2011-01-30 | 2011-09-28 | 上海振华重工(集团)股份有限公司 | 实时数据库的数据过滤压缩存储*** |
CN102510287A (zh) * | 2011-11-03 | 2012-06-20 | 电子科技大学 | 一种工业实时数据的快速压缩方法 |
CN102622367A (zh) * | 2011-01-30 | 2012-08-01 | 上海振华重工(集团)股份有限公司 | 流程数据的过滤和压缩方法 |
-
2015
- 2015-02-09 CN CN201510067670.XA patent/CN104682962A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201993755U (zh) * | 2011-01-30 | 2011-09-28 | 上海振华重工(集团)股份有限公司 | 实时数据库的数据过滤压缩存储*** |
CN102622367A (zh) * | 2011-01-30 | 2012-08-01 | 上海振华重工(集团)股份有限公司 | 流程数据的过滤和压缩方法 |
CN102510287A (zh) * | 2011-11-03 | 2012-06-20 | 电子科技大学 | 一种工业实时数据的快速压缩方法 |
Non-Patent Citations (4)
Title |
---|
于松涛: "《流程工业生产管理信息***关键技术研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
于松涛等: "《基于容差动态调整的旋转门(SDT)改进算法》", 《北京化工大学学报(自然科学版)》 * |
曲奕霖: "《流程工业历史数据的压缩策略与压缩方法研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
曲奕霖: "《用于过程数据压缩的自控精度SDT算法》", 《计算机工程》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126728A (zh) * | 2016-07-04 | 2016-11-16 | 上海电气集团股份有限公司 | 一种实时数据分布式并行压缩的方法 |
CN108540136A (zh) * | 2018-03-13 | 2018-09-14 | 华侨大学 | 一种适用于农业传感数据的压缩方法 |
CN108540136B (zh) * | 2018-03-13 | 2021-06-29 | 华侨大学 | 一种适用于农业传感数据的压缩方法 |
CN108667463B (zh) * | 2018-03-27 | 2021-11-02 | 江苏中科羿链通信技术有限公司 | 监测数据压缩方法 |
CN108667463A (zh) * | 2018-03-27 | 2018-10-16 | 江苏中科羿链通信技术有限公司 | 监测数据压缩方法 |
CN112182034A (zh) * | 2019-07-03 | 2021-01-05 | 河南许继仪表有限公司 | 一种数据压缩方法与装置 |
CN111680012A (zh) * | 2020-06-12 | 2020-09-18 | 吉林省电力科学研究院有限公司 | 一种用于供热***监控数据的数据压缩方法 |
CN112965976A (zh) * | 2021-02-26 | 2021-06-15 | 中国人民解放军海军工程大学 | 一种电磁能***业务时序数据压缩方法、非暂态可读记录媒体及数据处理装置 |
CN113258933B (zh) * | 2021-05-28 | 2022-09-16 | 山西阳光三极科技股份有限公司 | 多区间自适应旋转门算法 |
CN113258933A (zh) * | 2021-05-28 | 2021-08-13 | 山西阳光三极科技股份有限公司 | 多区间自适应旋转门算法 |
CN113300388A (zh) * | 2021-06-11 | 2021-08-24 | 华北电力大学(保定) | 一种基于改进旋转门算法的风电功率波动平抑方法 |
CN113300388B (zh) * | 2021-06-11 | 2022-09-16 | 华北电力大学(保定) | 一种基于改进旋转门算法的风电功率波动平抑方法 |
CN114640355A (zh) * | 2022-03-30 | 2022-06-17 | 北京诺司时空科技有限公司 | 时序数据库的有损压缩及解压缩方法、***、存储介质、设备 |
CN114640355B (zh) * | 2022-03-30 | 2023-04-18 | 北京诺司时空科技有限公司 | 时序数据库的有损压缩及解压缩方法、***、存储介质、设备 |
CN114969060A (zh) * | 2022-08-01 | 2022-08-30 | 浙江木链物联网科技有限公司 | 一种工业设备时序数据压缩存储方法、装置 |
CN114969060B (zh) * | 2022-08-01 | 2022-11-04 | 浙江木链物联网科技有限公司 | 一种工业设备时序数据压缩存储方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104682962A (zh) | 一种海量燃气数据的压缩方法 | |
CN102611454B (zh) | 一种实时历史数据动态无损压缩方法 | |
CN102376026B (zh) | 工业企业用电负荷优化*** | |
CN103742901B (zh) | 一种循环流化床机组耗差分析优化目标值体系的确定方法 | |
CN103793752B (zh) | 一种基于退化建模的设备失效次数预测方法 | |
CN101609986A (zh) | 基于决策树的多级联合协调自动电压控制方法 | |
CN111930790B (zh) | 一种基于时序分析的阀冷设备进阀温度预测方法 | |
CN113760625B (zh) | 一种模型预测控制器性能的评估方法及监控*** | |
CN114004296A (zh) | 一种基于电力负荷特征反向提取监测点的方法及*** | |
CN104834975A (zh) | 一种基于智能算法优化组合的电网负荷率预测方法 | |
CN102073773A (zh) | 汽轮机主蒸汽压力跟踪优化方法 | |
CN203069670U (zh) | 一种具有供电可靠率和电压合格率监测功能的智能电表 | |
Goosen et al. | Efficient monitoring of mine compressed air savings | |
CN114997539A (zh) | 一种燃气压力调节器故障预测方法与*** | |
CN116296354A (zh) | 汽轮机高调门流量特性实时监测及优化的***及方法 | |
CN116388150A (zh) | 基于数字孪生和神经网络技术的配变短期负荷预测方法 | |
CN117728587B (zh) | 一种新能源发电设备运行数据的实时监控***及方法 | |
CN113966520A (zh) | 用于促进对来自工业自动化控制***或电力***的数据进行存储的方法和设备 | |
CN116680661B (zh) | 基于多维数据的燃气自动调压柜压力监测方法 | |
CN117744859A (zh) | 基于自适应双控制策略的风电机组发电机故障预警方法 | |
EP4328820A1 (en) | Performance testing method for water softening device | |
CN109869198B (zh) | 一种基于阀位修正的汽轮机全寿命高压缸效率监测方法 | |
CN111367255A (zh) | 一种多变量控制***性能评价测试***及方法 | |
CN111612181A (zh) | 基于故障树的锅炉异常工况诊断及运行优化方法 | |
CN111026624A (zh) | 电网信息***的故障预测方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150603 |