КЛАССИФИКАЦИЯ ТЕЛЕМЕХАНИЧЕСКИХ ДАННЫХ И ИХ РАЗНОСТНЫХ РЯДОВ С ТОЧКИ ЗРЕНИЯ ЗАДАЧИ СЖАТИЯ Текст научной статьи по специальности «Компьютерные и информационные науки»

ИНФОРМАТИКА

УДК 004.627

© А. В. Левенец, 2009

КЛАССИФИКАЦИЯ ТЕЛЕМЕХАНИЧЕСКИХ ДАННЫХ И ИХ РАЗНОСТНЫХ РЯДОВ С ТОЧКИ ЗРЕНИЯ ЗАДАЧИ СЖАТИЯ

Левенец А. В. - канд. техн. наук, доц. кафедры «Автоматика и системотехника», тел.: 8-914-191-33-39, e-mail: levalvi@mail.ru (ТОГУ)

Современная классификация данных телемеханики использует функциональный подход, в то время как для задачи сжатия более полезной может служить классификация таких данных по их разностным рядам. Такой подход позволяет уже на этапе классификации грубо оценить коэффициент сжатия и выбрать оптимальный алгоритм сокращения избыточности.

Current classification of telemechanics data utilizes a functional approach whereas for the compression the classification of data according to their difference series may be of greater utility. Such an approach makes it possible even at an initial stage to roughly estimate the compression coefficient and choose an optimal algorithm of data compression.

Ключевые слова: телемеханическая система, телеизмерение, телесигнализация, классификация, сжатие данных, разностный ряд.

Телемеханика в энергетике является быстро развивающейся отраслью техники сбора, передачи, обработки и отображения информации, необходимой для оперативного централизованного контроля процессами производства и распределения электроэнергии.

На современном этапе развития телеметрических систем отмечается рост объемов передаваемой информации, а также расширение типов передаваемой информации. Так, современные системы телемеханики должны передавать не только собственно телемеханические данные (телеизмерения, телесигнализация, телеуправление), но также «срезы» данных за заданный период времени, информацию автоматизированных систем контроля и учёта, файлы оперативно-информационных комплексов и другую информацию [1]. Учитывая, что часть данных, например информация АСКУЭ, передаётся в символьном виде, требования к пропускной способности канала связи значительно повышаются.

Снижение загруженности канала связи можно добиться введением глубокой обработки данных до их поступления в канал связи и, в частности, широким использованием процедур сжатия. Следует отметить, что сжатие данных АСКУиЭ, файлов ОИК и некоторых других данных не представляет собой сложной задачи, т. к. зачастую для таких данных можно использовать уже существующие алгоритмы и программы архивации - в силу отсутствия жёстких временных рамок для передачи такой информации. В то же время сжатие собственно телемеханических данных является задачей более сложной, для которой следует учитывать необходимость работы в режиме реального времени (в лучшем случае, «мягкого» реального времени).

Очевидно, что алгоритмы сжатия телемеханических данных должны быть адаптивными и учитывать их изменяющиеся свойства. Для этого было бы полезно иметь возможность оперативной классификации данных для выбора оптимальных параметров процедур сжатия.

Существующая классификация по функциональному признаку подразделяет телемеханические данные на три основных типа: телеизмерения (ТИ), телесигнализация (ТС) и телерегулирование [1]. Однако с точки зрения сжатия данных такое разделение не является оптимальным, т. к. не учитывает статистические свойства данных и не позволяет делать предположения о параметрах процедур сжатия априори.

В основу большинства алгоритмов сжатия измерительной информации, работающих в режиме реального времени, положен разностный принцип, предполагающий передачу не всего отсчета, а разности между текущим и предыдущим отсчетом. Таким образом, для получения более полного представления о свойствах данных телемеханики, следует провести исследования как временных рядов таких данных, так и их разностных рядов. Такие исследования были проведены на данных телемеханики ряда энергетических объектов Дальнего Востока, причем исследованию подвергались наборы данных ТИ и ТС.

Исследованию подвергались данные от шести энергетических объектов, в том числе подстанций и генерирующих станций. В рамках данной работы были проанализированы 158 наборов данных телеизмерений и 17 наборов данных телесигнализации. Размер выборки для анализируемых данных варьировался в диапазоне от 29752 до 48652 отсчётов. Каждый отсчет представляет собой данные от одного датчика, полученные в кадре циклической передачи ТИ-ТС. Время поступления отсчетов фиксировано и составляет 5 секунд. Следует отметить также, что принимаемые данные являются 8-разрядными.

Сигналы телесигнализации представляют собой сгруппированные в один байт двоичные значения положений переключателей и тому подобное, поэтому наиболее простыми для анализа являются такие данные в стационарном режиме работы объекта в силу крайне редкой смены своих значений. Очевидно, что сигналы ТС для стационарного режима работы объекта легко сжимаются даже без использования специальных алгоритмов. Ситуация не-

сколько ухудшается в случае перехода объекта в нестационарный режим работы, например, во время аварийной ситуации. Так, на рис. 1, а и б показан пример типичного поведения такого сигнала ТС и соответствующая ему гистограмма.

Проведенный анализ по имеющимся данным ТС показывает, что примерно 99 % всех состояний сигнала ТС в случае стационарного режима работы системы лежит в области его центрального значения. В случае же нестационарного режима работы на центральное (основное) значение сигнала приходится более 50 % всех состояний, причем остальные состояния не обязательно лежат вблизи центрального. Необходимо отметить, что такой тип данных должен хорошо сжиматься словарными методами, однако для данных телемеханики не всегда возможно применение таких методов из-за требований работы в реальном масштабе времени.

240 220 200 180 160 140 120 100 80 60 40

1 000 1 100 1 200 1 300 1 400 1 500 1 600 1 700 1 600 1 900 2 000 2100 2 200 2 300 2 400 2 500 2 600 2 700 2 600 2 900 3 000

НЕ

0 20 40 60

100 120 140 160 180 200 220 240

Рис. 1. Типичный поток данных ТС для нестационарного режима работы объекта

а

б

Наиболее сложные с точки зрения процедур сжатия формы имеют сигналы телеизмерений, представляющие собой цифровые данные, поступающие от различного типа датчиков. Проведенный анализ данных показал, что все ТИ можно условно разбить на два основных класса, отличающиеся формой гистограммы и характером поведения во временной области. Так, для данных класса ТИк1 при длительном наблюдении характерно группирование значений сигнала в некоторой относительно узкой полосе значений, причём не наблюдается резких переходов между существенно различающимися значениями. Условно к такому классу можно отнести данные от датчика, регистрирующего некоторый физический процесс, обладающий стационарными свойствами. В это же время для данных класса ТИк2 при достаточно большом времени наблюдения можно выделить несколько участков, на которых сигнал ведёт себя стационарно, причём разница между средними значениями данных на соседних участках различаются более чем на 10 % от полного динамического диапазона. Переход между такими участками происходит достаточно быстро, характерной величиной является 100...200 отсчётов между установившимися значениями. На рис. 2 и 3 приведены графики и гистограммы типичных сигналов ТИ для класса ТИк1 и ТИк2 соответственно.

Для данных класса ТИк1 характерен тот факт, что значения сконцентрированы в относительно небольшом диапазоне (6-8 % от полного динамического диапазона изменения данных), что позволяет прогнозировать хорошие перспективы сжатия для таких сигналов.

Анализ гистограмм сигналов показывает, что для класса ТИк2 характер -но наличие нескольких диапазонов с ярко выраженными на них максимальными частотами повторяемости. Такие диапазоны соответствуют участкам «стационарности», при этом ширина гистограммы каждого участка составляет 3-5 % от полного динамического диапазона изменения сигнала, а полная ширина гистограммы, очевидно, зависит от количества таких участков. Этот факт следует учитывать при разработке устройств сбора данных телемеханики, например, реализуя режимы работы, соответствующие различным состояниям сигнала ТИ.

Исследование разностных рядов телемеханических данных, как было показано выше, также представляет собой практический интерес, т. к. позволяет оценить динамический диапазон сжимаемых данных и выбрать оптимальные параметры алгоритмов сжатия.

Наиболее простой вид как самого разностного ряда, так и его гистограммы имеют сигналы ТС для стационарного режима работы системы, при этом подавляющее большинство значений (более 99 %) разностного ряда приходится на нулевое значение. При нестационарном характере исходного сигнала поведение разностного сигнала меняется незначительно и на боковые лепестки гистограммы приходится не более 0,5 % от общего количества отсчетов сигнала. Таким образом, сжатие таких сигналов не представляет собой сложной задачи и может быть реализовано достаточно простым способом, причем степень сжатия будет достигать значительных величин.

а

1 1

-----1 ||||

130 135 140 145 150 155 11

б

Рис. 2. Пример данных класса ТИк1

б

Рис. 3. Пример данных класса ТИк2

Необходимо отметить, что разностные ряды, построенные для различных классов данных ТИ, зачастую имеют аналогичные статистические характеристики. Этот факт говорит о необходимости введения собственной классификации для разностных рядов данных телемеханики, при этом классификационным признаком следует выбрать ширину гистограммы. Выбор такого классификационного признака связан с его принципиально важным влиянием на перспективы сжатия анализируемого набора данных, т. к. фактически определяет динамический диапазон изменения этого набора.

В табл. 1 приведён пример распределения данных от разных источников одному объекта энергетики. Размер выборки для данного случая составил 48652 отсчёта. Анализ данных показывает, что в значительном числе случаев (около 80 %) соседние отсчёты данных телемеханики не изменяются. Тем не менее, на изменяемые данные приходится до 20 % всех отсчётов. Так, для приведённого набора данных, по усреднённым данным, примерно 15,5 % приходится на диапазон изменений ±1, в то время как диапазон изменений ±4 занимает 2,5 %. Довольно значительная часть всех значений разностных рядов приходится на диапазон изменений более чем на ±4, что следует учитывать при разработке алгоритмов сжатия телемеханических данных. Проведённые исследования показали, что данные по другим объектам имеют аналогичные свойства.

Таким образом, разностные ряды телемеханических данных с точки зрения процедур сжатия целесообразно разделить на четыре класса:

- класс РР1 включает ряды со значительным (более 95 % от всех значений) весом центрального значения гистограммы;

- класс РР2 включает ряды с узкой гистограммой, для которых характерно распределение 95 % основных значений в диапазоне ±1;

- класс РР3 включает ряды со средней гистограммой, с распределением 95 % основных значений в диапазоне ±4;

- класс РР4 включает ряды с широкой гистограммой, с распределением 95 % основных значений в диапазоне свыше ±4.

Характерные гистограммы для предлагаемых классов показаны на рис. 4-6, причём гистограмма класса РР1 не приводится в силу своей тривиальности. Следует отметить хорошую симметричность гистограмм, характерную для всех классов разностных рядов телемеханических данных.

В табл. 2 представлено распределение исследованных данных по предлагаемым классам. Как и следовало ожидать, все данные ТС относятся к классу РР1, в то время как данные ТИ распределены между всеми классами.

Характерным свойством данных телемеханики, по крайней мере для рассмотренных объектов, можно считать тот факт, что более 65 % всех наборов ТИ относятся к классу РР2. Можно также отметить незначительное количество наборов данных, относящихся к классу РР4, несмотря на тот факт, что среди наборов данных примерно 15 % относились к аварийным режимам работы объектов.

Таблица 1

Пример распределения данных телемеханики для одного объекта

Диапазон изменения Тип данных

0 ±1 ±2 ±3 ±4 ±5 и более

42668 5757 217 8 2 0 ТИ

43578 4046 459 254 127 188 ТИ

43193 3930 540 355 126 108 ТИ

44403 3757 305 132 30 25 ТИ

44654 3829 124 37 5 3 ТИ

44887 3749 13 1 0 2 ТИ

41331 7074 227 15 3 2 ТИ

47781 867 1 1 0 2 ТИ

44665 3983 0 1 0 1 ТИ

31108 13307 3162 658 215 202 ТИ

36344 10533 1353 274 81 67 ТИ

40768 7534 293 39 12 6 ТИ

40907 7603 126 12 1 3 ТИ

42166 6345 127 9 3 2 ТИ

40677 7085 526 206 106 52 ТИ

31864 11685 2836 965 591 711 ТИ

31063 11321 3268 1217 618 1165 ТИ

30929 13423 3267 601 220 212 ТИ

40506 7926 207 9 0 4 ТИ

32828 11401 2849 568 333 325 ТИ

41346 6313 570 197 109 118 ТИ

46383 2197 0 0 0 72 ТИ

34523 12094 1596 273 70 96 ТИ

36230 11458 779 97 16 72 ТИ

48380 246 0 3 1 22 ТИ

38723 9741 104 6 0 78 ТИ

42129 6413 27 4 1 78 ТИ

28506 16557 1328 441 205 194 ТИ

40465 8115 0 2 0 70 ТИ

48544 58 26 0 11 13 ТС

48579 0 0 0 0 73 ТС

48578 68 2 0 0 4 ТС

48644 0 0 0 0 8 ТС

48650 0 0 0 0 2 ТС

48650 0 0 0 0 2 ТС

-3-2-10 1 2 3

Рис. 5. Характерная гистограмма разностного ряда данных класса РР3

\ ,-,+ ,1-Н ч4 >11111 1)1111 Ц-1 мич ■ ■ —

-16 -14 -12 -10 -8 -6 -4 -2 0 2 4 6 0 10 12 14 16

Рис. 6. Характерная гистограмма разностного ряда класса РР4

Таблица 2

Распределение телемеханических данных по классам

Тип сигнала Класс разностного ряда

РР1 РР2 РР3 РР4

ТС 17 0 0 0

ТИ 16 115 23 4

Всего, % 33 (18,9) 115 (65,7) 23 (13,1) 4 (2,3)

Полученные данные можно использовать для прогноза коэффициента сжатия данных, основываясь на некотором простейшем алгоритме сжатия. Тогда среднюю величину «бит на отсчёт» Кбо можно оценить через относительные частоты появления тех или иных значений сигнала и числа бит, необходимых для их кодирования пк:

■огПКг

Кбо ^ foi i=1

где m - число элементов гистограммы.

Для получения некоторого предельного значения такой величины можно воспользоваться значениями fQ1, усреднёнными по всем исследованным наборам данных. Такие значения приведены в табл. 3 вместе с одним из вариантов кодирования разностей, который был реализован в экспериментальной системе совместной передачи данных от энергетических объектов, разработанной для ОДУ Востока [2].

Из приведённых табличных данных величина Кбо оценивается следующим образом:

Кбо = 0,833-1 + 0,137-3 + 0,024-5 + 0,006-12 «1,4.

Полученная оценка даёт с учётом 8-разрядности исходных несжатых данных степень сжатия «5,7. Аналогичные величины оценок характерны и для отдельных наборов данных телемеханики.

Следует отметить, что для системы, описанной в [2], было получено среднее значение степени сжатия около четырёх, что заметно ниже полученной оценки. Для повышения степени сжатия следует использовать адаптивные алгоритмы, учитывающие текущие статистические параметры сжимаемых данных. Так, можно предложить накопление статистики по разностным рядам сжимаемых данных с последующим выбором способа кодирования. Очевидно, что следует вести как долговременную статистику, определяющую общие параметры алгоритма сжатия, так и короткопериодическую статистику, позволяющую оперативно классифицировать поступающие данные и выбирать локально-оптимальные параметры сжатия. Такой подход потенциально способен поднять общую эффективность алгоритмов сжатия, однако

ВЕСТНИК ТОГУ. 2009. № 4 (15)

наилучшим результат можно прогнозировать для специализированного алгоритма.

Таблица 3

Усреднённая гистограмма и вариант кодирования разностей

Диапазон разностей

0 ±1 ±(2...4) ±(5.)

Относительные частоты ^ 0,833 0,137 0,024 0,006

Битовая последовательность 0 10х 11ххх 1111хххххххх

Число бит пк 1 3 5 12

Также можно предложить предварительную обработку данных перед процедурой сжатия, априори учитывающую статистические характеристики потока сжимаемых данных и адаптивно отслеживающую их в процессе работы. Один из вариантов такой процедуры предложен в работе [3], где была предпринята попытка определения границ применимости предложенной предварительной обработки к исходным данным, имеющим случайный характер.

Таким образом, проведённые исследования показывают, что данные телемеханики энергетических объектов с точки зрения процедур сокращения избыточности информации следует классифицировать по статистическим свойствам их разностных рядов. Предложенная классификация позволяет априори оценивать степень сжатия обрабатываемых данных и выбирать оптимальные параметры алгоритма сжатия и формат кадра телемеханики. Кроме того, классификацию данных можно осуществлять оперативно, производя накопление статистической информации в процессе передачи данных, что наиболее актуально для систем с нефиксированным размером и составом кадра данных.

Библиографические ссылки

1. Митюшкин К. Г. Телеконтроль и телеуправление в энергосистемах. М., 1990.

2. Алгоритмы сжатия данных АСКУЭ и телемеханики для системы совместной передачи данных / С. В. Головизин, А. В. Левенец, С. Р. Симаков // Энергетика: управление, качество и эффективность использования энергоресурсов: сб. трудов третьей Всероссийской НТК с международным участием. Т. 1. Благовещенск, 2003.

3. Левенец А. В. Структурное упорядочение данных для задач сжатия в информационно-измерительных системах // Вестник ТОГУ. 2009. № 2(13).