[发明专利]基于周期传输模型的开关柜传感器网络数据压缩方法

说明书

本发明公开了基于周期传输模型的开关柜传感器网络数据压缩方法，包括：S1、传感器节点采集当前周期的读数，构建读数向量R；S2、从待执行读数向量集中按照加入次序选择某一向量R_i，并根据向量R_i中元素个数将其分为两类；S3、将步骤S2中第一类的两个子向量中的某一读数元素视为候补离群值，判断其是否为离群值：若是，计算并更新读数向量；否则，保持原数值；S4、当待执行读数向量集为空时，统计读数向量集中的相同元素个数和不相同元素个数，编译字典；S5、将S4得到的字典与R传输给下一个传感器节点；S6、进入下一周期，并按照S1‑S5持续循环。该方法能大幅度地压缩数据，节省能耗和存储空间。

技术领域

本发明涉及传感器技术领域，具体涉及一种基于周期传输模型的开关柜传感器网络数据压缩方法。

背景技术

开关柜是电力系统的关键主设备之一，其运行状态对整个电力系统的可靠性具有重要的影响。近年来，由开关柜故障引起的电力系统事故频频发生，通过无线传感器网络收集及监测开关柜数据是避免事故发生的有效方法。无线传感器网络的能耗，存储空间，通信带宽与处理速度等资源有限。如何节省传感器有限资源是无线传感器网络的热门研究方向之一。其中，由于传感器处理能耗远低于传感器通讯能耗且传感信息具有大量数据冗余，所以将数据先压缩再传输是节省传感器能耗的一种有效方法。同时，数据压缩也能节省传感器存储空间资源。与传统的数据压缩方法相比，无线传感器网络数据压缩算法具有低复杂度和小尺寸的特点，以达到节省存储空间的效果。在无线传感器网络中，现有方法中传感器大部分采用持续收集、压缩、传输数据的模式，导致大量能量损耗和通信资源的浪费。

发明内容

本发明为了克服以上技术的不足，提供了一种基于周期传输模型的开关柜传感器网络数据压缩方法。针对干扰等产生的数据偏差问题，本发明引入了替换离群值来处理数据，并引入皮尔逊相关系数，使得数据能在压缩的同时保持时序，最后将处理过的数据编译字典，减少数据的位数，使其能进一步压缩数据。

本发明克服其技术问题所采用的技术方案是：

一种基于周期传输模型的开关柜传感器网络数据压缩方法，包括如下步骤：

步骤S1、传感器节点采集当前周期的读数，并将采集的所有读数按时间次序构建读数向量R；

步骤S2、从待执行读数向量集中按照加入次序选择某一向量R_i，并根据向量R_i中元素个数将其分为两类：第一类是将该向量R_i划分成两个元素个数相等的子向量，计算两个子向量的皮尔逊相关系数和两个子向量中元素均值差绝对值；第二类是直接计算向量中两元素差的绝对值；

步骤S3、将步骤S2中第一类的两个子向量中的某一读数元素视为候补离群值，判断候补离群值是否为离群值：若是，计算并更新读数向量；否则，保持原数值；

步骤S4、当待执行读数向量集为空时，统计读数向量集中的相同元素个数和不相同元素个数，编译字典；

步骤S5、将步骤S4得到的字典与读数向量集R传输给下一个传感器节点；

步骤S6、进入下一周期，并按照上述步骤S1-S5持续循环。

进一步地，步骤S1具体包括如下：

传感器节点在当前周期内采集读数，每采集一个读数，令读数的数量加“1”，当获得τ个读数时，按时间次序构建读数向量：

R＝[r₁，r₂，...，r_τ]

上式中，τ表示当前周期的读数总个数，τ＝2^N，N∈Z，Z为整数集；并将R加入待执行读数向量集。

进一步地，步骤S2具体包括如下：