电网技术
電網技術
전망기술
POWER SYSTEM TECHNOLOGY
2014年
4期
1109-1114
,共6页
马发勇%厉启鹏%马志斌%叶飞%米为民%李军良%王恒
馬髮勇%厲啟鵬%馬誌斌%葉飛%米為民%李軍良%王恆
마발용%려계붕%마지빈%협비%미위민%리군량%왕항
历史数据压缩%旋转门%数据存储%ERSDT算法%平衡旋转%关键数据点%分级存储
歷史數據壓縮%鏇轉門%數據存儲%ERSDT算法%平衡鏇轉%關鍵數據點%分級存儲
역사수거압축%선전문%수거존저%ERSDT산법%평형선전%관건수거점%분급존저
history data compression%swing door trending%data storage%ERSDT algorithm%rotating balance%key data points%tiered storage
为降低电力调度SCADA系统历史数据量、提高历史数据存储效率,提出一种基于有效估算的旋转门算法(effective reckon swing door trending,ERSDT),并针对压缩的历史数据给出了一种新的数据多级存储策略。ERSDT 通过搜寻最远压缩点以及旋转平衡因子方式进行数据压缩。针对压缩数据给出实时数据库、历史数据库、磁盘文件库三级存储体系,并描述了三级存储体系的运行原理。实验数据验证了 ERSDT 算法的可行性,与传统的 SDT 算法相比提高了压缩率、降低了压缩时间。实践证明ERSDT算法以及多级数据存储策略可以降低历史数据量、提高数据存储及查询效率,从而保证SCADA系统安全、稳定的运行。
為降低電力調度SCADA繫統歷史數據量、提高歷史數據存儲效率,提齣一種基于有效估算的鏇轉門算法(effective reckon swing door trending,ERSDT),併針對壓縮的歷史數據給齣瞭一種新的數據多級存儲策略。ERSDT 通過搜尋最遠壓縮點以及鏇轉平衡因子方式進行數據壓縮。針對壓縮數據給齣實時數據庫、歷史數據庫、磁盤文件庫三級存儲體繫,併描述瞭三級存儲體繫的運行原理。實驗數據驗證瞭 ERSDT 算法的可行性,與傳統的 SDT 算法相比提高瞭壓縮率、降低瞭壓縮時間。實踐證明ERSDT算法以及多級數據存儲策略可以降低歷史數據量、提高數據存儲及查詢效率,從而保證SCADA繫統安全、穩定的運行。
위강저전력조도SCADA계통역사수거량、제고역사수거존저효솔,제출일충기우유효고산적선전문산법(effective reckon swing door trending,ERSDT),병침대압축적역사수거급출료일충신적수거다급존저책략。ERSDT 통과수심최원압축점이급선전평형인자방식진행수거압축。침대압축수거급출실시수거고、역사수거고、자반문건고삼급존저체계,병묘술료삼급존저체계적운행원리。실험수거험증료 ERSDT 산법적가행성,여전통적 SDT 산법상비제고료압축솔、강저료압축시간。실천증명ERSDT산법이급다급수거존저책략가이강저역사수거량、제고수거존저급사순효솔,종이보증SCADA계통안전、은정적운행。
ABSTRACT:In order to reduce the amount of historical data of SCADA system and improve storage efficiency, in this paper, effective reckon swing door trending (ERSDT) which is an algorithm improved from swing door trending (SDT) algorithm and a storage policy of three-level architecture are proposed. ERSDT compress data by searching the farthest compression point and rotating balance factor. Three-level architecture which includes real-time database, historical database and disk storage database is presented to store the compressing data. The result of test verifies the feasibility of ERSDT. Comparing with traditional SDT, ERSDT can improve the compression ratio and reduce the compression time. Practice has proved that ERSDT algorithms and three-level data storage strategy can reduce the amount of historical data, and improve the efficiency of data storage and query.