随着楼宇智能化水平的不断提高，大型智能建筑中的电器设备、控制装置、通讯系统、安防、供电、网络等被大量安装在智能大厦中，这些设备稳定安全的运行是智能大厦提供优良服务的基础。智能楼宇实时监控系统为合理有效地监控这些设备的稳定运行提供重要保障。
1 监控系统数据压缩必要性
为了能够及时监控现场设备的状态，监控系统实时采集现场的数据，在屏幕上生动形象地显示楼宇中各种设备的参数，同时保存历史数据，为将来优化系统配置、合理配置大厦中设备的参数、预测系统运行的趋势、检查错误等方面提供参考。随着监控软件的发展，对于大型系统，现在软件一般可以支持对10万个变量的监控，巨大的数据量对于运行软件的计算机提出了更高的要求。对于一个具有2000个变量的中型系统来说，如果每分钟采集一次数据，则一个小时之后，2000个变量的数据量将达到30M左右。一般监控软件需要24h连续运行，历史数据一般需要保存一年时间，对于普通的微机来说没有那么大的存储空间。而且随着组态软件网络化的发展，为了在网络中传输数据，也必须先将数据压缩，再进行传输，否则巨大的数据包将造成系统长时间的等待，影响系统的性能稳定。
2 现有系统的数据处理方式
现在监控软件普遍针对监控对象的特点，采用定时存储数据，按照变量的灵敏度存储，或者只是存储报警数据等方法，这些方法大大压缩了数据所占用的存储空间。但是定时存储并不能得知时间间隔之间变量的变化情况，对于历史趋势图绘制来说，为了以后数据计算的需要，也不允许时间间隔太长；而按照灵敏度存储虽然能解决像温度等慢时变信号的压缩存储问题，但是不能得到灵敏度变化范围内数据的变化趋势，对于像正(余)弦变化的电信号是不能达到数据压缩目的的。而且这些方法也不能解决网络中数据实时传送的要求。
3 楼宇智能控制中数据的特点及压缩的可行性
智能楼宇中监控的设备主要是中央空调系统、通讯系统、安防系统、监视系统、供电和给排水等系统中设备的运行状态。
这些系统中存在着大量如温度、流量等慢时变的被控对象，在控制系统运行并达到稳态之后，这些被控对象的数值变化不是太大，一般不会超过给定值的5％，也就是说对于一个20℃左右的信号来说，在记录设备状态的绝大部分数据中，只有小数点之后的数据在变化，而整数部分基本上是不变的，或者说数据的整数部分都相同。这样将整个数据存储是比较浪费，如果采用只记录与给定值偏差的方式记录数据，使用少数的几位记录偏差，则能有效压缩数据的存储空间。而且在实际测量过程中，对温度的测量精度一般只达到0．1℃就能满足控制系统对精度的要求。通过现场对于数据的滤波处理，对于稳定的温度信号来说，在较长的时间内不会有太大的变化。这些情况说明，在记录的数据中存在着大量的数据冗余，是可以大比例压缩的。
在智能楼宇监控中另一种比较典型的监控对象是像电信号这种有规律变化的数据，虽然每次数据有很大的变化，但是数据之间存在着巨大的相关性，完全可以根据前面的数据预测将要到来信号的数值，当然实测值和预测值有一定的偏差，如果只记录偏差量，就可以通过少数几位记录数据，减少了存储的空间。
4 数据压缩算法
数据压缩理论起源于仙农的信息论，使用熵的概念确定信息量的大小。根据可逆性，压缩过程分为有损压缩和无损压缩两种。在智能楼宇监控系统中，重要的数据一般需要无损压缩保证数据的完整性，不重要的数据不需要存储，有少量需要查看历史趋势的数据采用有损压缩的算法。
4．1 无损压缩算法
现在成熟的无损压缩方法主要有哈夫曼编码、游程编码、预测编码、算术编码等。在智能楼字监控系统中，为了能够有效地得到历史数据的精确数值，绝大多数数据需要无损压缩。根据智能大厦中监控对象数据的特点，游程编码、预测编码和哈夫曼编码在实际压缩的过程中使用的频率较高，需要将这些算法集成到监控软件中。下文对在于监控软件中常用的几种编码方式在监控中的使用进行简单说明。
4．1．1 游程编码
在数据记录中，相邻数据值之间存在着潜在的相关性，有些数据值可能连续重复多次，表现出极高的冗余度。游程编码就是利用这种数据流的特点来达到压缩的目的。在智能楼宇监控中存在着大量像温度这种慢时变信号，数据的相关性比较大，采用游程编码的方式能大量压缩所占用的存储空间。游程编码使用3个字节表示一个字符串，第一个字节表示压缩提示符Sc；第二个字节是记录连续出现的字符；第三个字节记录重复出现的次数。当然出现重复3次以上的字符串时才能达到压缩的目的，在编码时先判断字符串连续字符的个数，如果超过3个就采用游程编码，如果不到3个，则直接编码，编码示意图如图1所示。
游程编码的效果主要取决于数据码的重复次数，重复字符的个数，在智能监控系统中主要是温度，压力、流量这些信号有较好的压缩效果，在监控系统组态的过程中，指定这些变量的压缩算法，使运行过程中以压缩的方式存储数据。
4．1．2 预测编码
预测编码是利用以前数据与当前数据的相关性，利用某种函数关系f，通过前面N个数据来预测即将到来数据的数值，使用预测值和偏差来记录数据，以降低数据的不确定性，减少数码率。在智能楼宇监控系统中，对正余弦的电信号采用差分脉冲编码调制的方式进行压缩，具体的编码如图2所示：
对于N阶预测器可以使用下式表示：
x=f(x＇k-1，x＇k-2，∧，X＇k-N)
这里x＇k-1，x＇k-2，∧，X＇k-N是经过量化后得到的预测值。
对于正弦信号，由于数据之间存在着较强的相关性，使用预测编码方式，存储的不是每个采样点的数据本身，而是采样点数据与预测值之间的差值，数据量大大地减少，减少了数据的相关性，使数据得到了有效地压缩。对于智能楼宇监控中的电力系统的监测使用这种方法能起到较好的效果。
4．1．3哈夫曼编码
哈夫曼编码是根据数据出现的概率进行编码，出’现概率越高，为其设计的码长越短，从而达到数据压缩的目的。
哈夫曼编码的具体步骤如下：
(1)概率统计，得到n个不同的概率的信息符号；
(2)将n个数据的n个概率按照大小排序；
(3)将n个概率中，最后两个小概率相加，这时概率个数减为n-1个；
(4)将n-1个概率按照大小重新排列；
(5)重复步骤(3)，将新排序后的最后两个小概率再相加，相加之和与其余概率再排序；
(6)如此反复，重复n-2次，结果只剩下两个概率序列；
(7)以二进制码元(0，1)进行赋值，构成哈夫曼码字，此时编码结束。
哈夫曼编码示意图伯口图3所示)：
数据A出现的概率比较高，使用少的码表示，数据的概率越低，使用的码越长。编码如下表所示：
在实际编写程序时使用Haffuman二叉树来建立数据的码字。
4．2 有损压缩
在智能楼字控制系统的历史数据中，有的数据可能只是用来生成一种历史趋势图，了解将来发展变化的情况、了解某个变量在一段时间中的走势情况或者计算系统的效率，为改进系统作为参考。这种变量的历史数据没有必要精确存储每个数值，能够反映大体的走势和总体的统计量就行。使用有损压缩的方法完全能够满足系统的对于数据的要求。
在对电量信号进行压缩的有损压缩算法中，小波变换的方法是将输入的数据做某种正交变换，把数据变换到另一个正交矢量空间(变换域)，产生一组变换系数，对变换系数进行量化压缩，从而达到压缩的目的。在量化之后需要量化压缩，由于量化的过程是不可逆的过程，也就是说压缩的过程是有损的。
压缩的过程主要包括映射变换、量化、编码等几个步骤，小波变换采用改变时间频率窗口形状的方法，很好地解决了时间分辨率和频率分辨率的矛盾，在时间域和频率域里都具有很好的局部化性质。
实际应用在监控软件中使用的是离散小波变换的方式，具体步骤如下：
用N维矢量X=(x0，x1，∧，XN-1)代表采样序列，经过正交变换得到向量Y：
X=AY
将Y中的系数按照绝对值由小到大排序，得到向量y′=(y′0，y′1，∧，y′N-1)，去掉其中较小的数值，得到向量y″=(y″0，y″1，∧，y″k,0，0，∧，0)用向量y″代替向量y′从而达到数据压缩的目的。
5 结束语
随着楼宇智能化的不断提高，大厦中的智能仪表迅速增加，对于大型监控系统来说，采用必要的数据压缩技术对保障中央监视系统的长期稳定运行、对有效利用运行数据、配置系统资源提供了有效的技术支持。
[img]2005122812552220920.gif[/img]

上一篇 : 暂无             下一篇 : 烤地瓜机 烤地瓜机烤地瓜的原理