专利摘要

一种连续型监测数据在非稳定网络传输中的动态压缩预测控制方法，包括有S1数据采集步骤、S2建模计算压缩比步骤、S3压缩传输步骤和S4解压步骤。相比于基于无损数据压缩的传输优化方法而言，采用基于动态压缩比的传输耗时优化方法来降低传输耗时，大量节省了压缩、传输和解压的耗时；将数据分时间周期进行处理，通过预测网速的方式来计算压缩比，适用于非稳定网络环境；通过计算原始数据在预测网速环境下的直接传输耗时来设立约束条件，结合以耗时最少为目标的函数，计算预测网速压缩比和当前网速压缩比进行比较，确保最优压缩比的准确性。

权利要求

1.一种连续型监测数据在非稳定网络传输中的动态压缩预测控制方法，包括有S1数据采集步骤、S2建模计算压缩比步骤、S3压缩传输步骤和S4解压步骤，其特征在于：

所述S1数据采集步骤获取当前时间周期内待传输的连续型数据和网络速率历史样本；信息系统在一段时间内积累需要发送的数据包，其发送时间要小于数据积累周期

所述S2建模计算压缩比步骤包括有：S2-1、根据网络速率历史样本采用时间序列预测法计算下一个时间周期的预测网速；S2-2、根据预测网速以耗时最少为目标建模求解最优压缩比；

步骤S2-1中所述根据网络速率历史样本采用时间序列预测法计算下一个时间周期的预测网速，具体步骤如下：

S2-1、历史网络序列的平稳性检验：根据该网络序列的均值、方差和相关系数来判断该时间序列是否是平稳性时间序列；

S2-2、序列差分运算：如果该序列是非平稳时间序列，则对这些序列进行差分运算，直到序列满足平稳性为止；

S2-3、序列的模型拟合：根据样本的相关系数ACF、偏相关系数PACF和周期性对差分后的序列进行求和自回归移动平均模型ARIMA(p,d,q)进行拟合得到时间序列函数d(t)；

S2-4、残差序列的检验：对时间序列函数d(t)的残差序列进行白噪声检验，若残差序列不满足白噪声序列，则返回步骤S2-3重新拟合模型，直到残差序列为白噪声为止；

S2-5、模型的优化：对时时间序列拟合模型函数d(t)采用最小信息准则进行模型优化从而得到更新后的模型函数d(t)；

S2-6、序列的预测：用时间序列拟合函数来预测出下一时间段的网络速率；

步骤S2-2中所述据预测网速以耗时最少为目标建模求解最优压缩比的具体方法如下：

S2-2-1、计算原始数据在预测网速环境下的直接传输耗时

S2-2-2、建立以整体传输耗时为最优目标的优化模型，结合S2-2-1中计算出的直接传输耗时设立约束条件；

S2-2-3、在当前网速环境下，求解压缩比和整体传输时耗t；

S2-2-4、在预测网速环境下，求解压缩比和整体传输时耗t；

S2-2-5、对比S2-2-3和S2-2-4的和整体传输时耗t，选择较小整体传输时耗t对应的压缩比作为最优压缩比；

步骤S2-2-1所述计算原始数据在预测网速环境下的直接传输耗时的具体方法为：

判断数据传输速率预测序列d(t)是否可积，若可积根据公式可以直接求出原始传输耗时Q为待传输数据的规模大小；

若不可积，由于连续数据在采样周期△t内速率的变化较小可以忽略不计，对d(t)的离散序列集进行分段积分，即求解出n，进而获取原始传输耗时

式中，ti表示采样时刻，Di表示第i个采样周期内的速率，n表示采样时间点的个数；

步骤S2-2-2所述建立以整体传输耗时为最优目标的优化模型，结合S2-2-1中计算出的直接传输耗时设立约束条件的具体方法为：

针对多次试验可得到单位原始数据包压缩时间t1与压缩比p的关系为t1＝T1(p)和单位原始数据包解压时间t2与压缩比p的关系为t2＝T2(p)；构建目标函数

min t＝t1+t*+t2＝QT1(p)+t*+QT2(p)

分别设定最大压缩比和最小压缩比为Pmax和Pmin，设立约束条件：

式中，为未压缩数据原始传输耗时，网速序列预测周期，t*为压缩后数据传输耗时，Q为待传输数据的规模大小；

步骤S2-2-3和步骤S2-2-4采用遗传算法来求解最优压缩比，具体方法如下：

1、编码：根据各模态的压缩比范围为[Pmin,Pmax]采用长度为k的二进制编码，共有2k种不同编码，相邻的编码间隔为

2、初始种群的生成：随机生成N个串结构数据作为初始种群开始进化，即产生N个以二进制为编码的初始压缩比p作为初始种群；

3、适应度评估：选择适应度函数为t＝t1+t*+t2＝QT1(p)+t*+QT2(p),并计算种群中每一个初始个体的适应度函数值；

4、自然选择：个体中适应度函数值t满足约束条件且小于种群平均值的个体保留下来作为适应性强的个体添加至新种群中；

5、交叉和变异：交叉是将个体与个体之间的部分编码进行交换，变异是在种群中随机选择一个个体以很小的概率随机改变编码中的某个字符，交叉和变异的目的都是得到新的个体添加至新的种群中；

6、是否停止进化：终止条件：进化次数是达到设定次数或者种群适应度的方差小于设定方差，若满足该终止条件，则停止进化，否则将更新后种群返回至步骤3；

7、解码：将选择留下的最优个体通过编码转换成原始参数作为最优压缩比，同时得到最优适应度。

2.如权利要求1所述的连续型监测数据在非稳定网络传输中的动态压缩预测控制方法，其特征在于，时间周期大于系统数据发送时间。

说明书

技术领域

本发明涉及数据压缩技术领域，特别是一种非稳定网络中的动态压缩预测控制方法。

背景技术

数据压缩是一种广泛应用、保证原始数据质量又减小数据规模的处理方法，然而压缩和解压缩本身需要耗费时间，与压缩比具有密切的关联关系。若采用数据压缩来提升网络传输效率，需要考虑如下问题：

1、整个监测数据的传输任务包括从底层传感器采集到直到上载至目标对象并还原成原始数据的全过程，在这个过程中，仅仅根据当前网络环境及数据占比大小来选取最优压缩比并不可靠，在忽略了数据传输速率的波动频率对压缩控制决策的影响下，后续传输速率的变化会受当前压缩策略较大影响，而受制于连续型时间序列数据的持续特性，这个影响可能或导致传输效率不增反降。

2、若采用动态压缩比，需要充分考虑压缩比的更新频率，这个频率与传输速率的变化有关。由于数据一经发送，其内部结构及大小将不能再被改变，即待传输数据的占比大小在整个传输过程当中是确定的，若此时后续传输速率的频繁变化可能会使得此时的最优压缩比无法满足当前传输阶段的整体耗时优化需求，直接导致压缩动态控制调整与实际数据传输需求不对等，优化决策滞后乃至失效。

在CN103957582A中公开了一种名称为“无线传感器网络自适应压缩方法”的发明专利，该专利公开了根据数据类型、精度要求选择压缩算法、预测平均压缩比、预测执行压缩的平均时间、以能耗最优为目标建立模型、求解最佳压缩策略等技术手段。

该对比文件的目的是以最优能耗为目标建立数学模型并求解，并没未以时间最优为目标建模，因此并未公开由压缩、传输、解压组成的数学模型公式，约束条件设立也不相同；该对比文件在计算过程中，并未考虑到网络状况不稳定的情况，未对当前网络进行预测，无法适用于非稳定网络。

发明内容

本发明的目的就是提供一种连续型监测数据在非稳定网络传输中的动态压缩预测控制方法，它将数据分周期进行压缩处理，通过下一个周期的网速预测，并以传输耗时最短为目标建模计算最优压缩比，大量节省了数据压缩、传输和解压的耗时。

本发明的目的是通过这样的技术方案实现的，它包括有S1数据采集步骤、S2建模计算压缩比步骤、S3压缩传输步骤和S4解压步骤：

所述S1数据采集步骤获取当前时间周期 内待传输的连续型数据和网络速率历史样本；时间周期 针对信息系统在一段时间 内积累的数据包需要发送，其发送时间要小于数据积累周期

所述S2建模计算压缩比步骤包括有：S2-1、根据网络速率历史样本计算下一个时间周期 的预测网速；S2-2、根据预测网速以耗时最少为目标建模求解最优压缩比；

步骤S2-1中所述根据网络速率历史样本采用时间序列预测法计算下一个时间周期 的预测网速，具体步骤如下：

S2-1、历史网络序列的平稳性检验：根据该网络序列的均值、方差和相关系数来判断该时间序列是否是平稳性时间序列；

S2-2、序列差分运算：如果该序列是非平稳时间序列，则对这些序列进行差分运算，直到序列满足平稳性为止；

S2-3、序列的模型拟合：根据样本的相关系数ACF、偏相关系数PACF和周期性对差分后的序列进行求和自回归移动平均模型ARIMA(p,d,q)进行拟合得到时间序列函数d(t)；

S2-4、残差序列的检验：对时间序列函数d(t)的残差序列进行白噪声检验，若残差序列不满足白噪声序列，则返回步骤S2-3重新拟合模型，直到残差序列为白噪声为止；

S2-5、模型的优化：对时时间序列拟合模型函数d(t)采用最小信息准则进行模型优化从而得到更新后的模型函数d(t)；

S2-6、序列的预测：用时间序列拟合函数d(t+l) 来预测出下一时间段 的网络速率。

进一步，步骤S2-2中所述据预测网速以耗时最少为目标建模求解最优压缩比的具体方法如下：

S2-2-1、计算原始数据在预测网速环境下的直接传输耗时

S2-2-2、建立以整体传输耗时为最优目标的优化模型，结合S2-2-1中计算出的直接传输耗时 设立约束条件；

S2-2-3、在当前网速环境下，求解压缩比和整体传输时耗t；

S2-2-4、在预测网速环境下，求解压缩比和整体传输时耗t；

S2-2-5、对比S2-2-3和S2-2-4的和整体传输时耗t，选择较小整体传输时耗t对应的压缩比作为最优压缩比。

进一步，步骤S2-2-1所述计算原始数据在预测网速环境下的直接传输耗时的具体方法为：

判断数据传输速率预测序列d(t)是否可积，若可积根据公式 可以直接求出原始传输耗时

若不可积，由于连续数据在采样周期△t内速率的变化较小可以忽略不计，对d(t)的离散序列集进行分段积分，即 求解出n，进而获取原始传输耗时

式中，ti表示采样时刻，Di表示第i个采样周期内的速率，n表示采样时间点的个数。

进一步，步骤S2-2-2所述建立以整体传输耗时为最优目标的优化模型，结合S2-2-1中计算出的直接传输耗时 设立约束条件的具体方法为：

针对多次试验可得到单位原始数据包压缩时间t1与压缩比p的关系为t1＝T1(p)和单位原始数据包解压时间t2与压缩比p的关系为t2＝T2(p)；构建目标函数

mint＝t1+t*+t2＝QT1(p)+t*+QT2(p)

分别设定最大压缩比和最小压缩比为Pmax和Pmin，设立约束条件：

式中， 为未压缩数据原始传输耗时， 网速序列预测周期，t*为压缩后数据传输耗时，Q为待传输数据的规模大小。

进一步，步骤S2-2-3和步骤S2-2-4采用遗传算法来求解最优压缩比，具体方法如下：

1、编码：根据各模态的压缩比范围为[Pmin,Pmax]采用长度为k的二进制编码，共有2k种不同编码，相邻的编码间隔为

2、初始种群的生成：随机生成N个串结构数据作为初始种群开始进化，即产生N个以二进制为编码的初始压缩比p作为初始种群；

3、适应度评估：选择适应度函数为t＝t1+t*+t2＝QT1(p)+t*+QT2(p),并计算种群中每一个初始个体的适应度函数值；

4、自然选择：个体中适应度函数值t满足约束条件且小于种群平均值的个体保留下来作为适应性强的个体添加至新种群中；

5、交叉和变异：交叉是将个体与个体之间的部分编码进行交换，变异是在种群中随机选择一个个体以很小的概率随机改变编码中的某个字符，交叉和变异的目的都是得到新的个体添加至新的种群中；

6、是否停止进化：终止条件：进化次数是达到设定次数或者种群适应度的方差小于设定方差，若满足该终止条件，则停止进化，否则将更新后种群返回至步骤3；

7、解码：将选择留下的最优个体通过编码转换成原始参数作为最优压缩比，同时得到最优适应度。

进一步，时间周期 大于系统数据发送时间。

由于采用了上述技术方案，本发明具有如下的优点：

1、本发明相比于基于无损数据压缩的传输优化方法而言，采用基于动态压缩比的传输耗时优化方法来降低传输耗时，大量节省了压缩、传输和解压的耗时；

2、本发明将数据分时间周期进行处理，通过预测网速的方式来计算压缩比，适用于非稳定网络环境；

3、本发明通过计算原始数据在预测网速环境下的直接传输耗时来设立约束条件，结合以耗时最少为目标的函数，计算预测网速压缩比和当前网速压缩比进行比较，确保最优压缩比的准确性。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

本发明的附图说明如下。

图1为本发明的流程示意图；

图2为电力系统的连续型运行检测数据传输的结构层级图；

图3为时间序列拟合预测流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1、图2和图3所示，以电力系统的连续型运行检测数据在连续型监测数据在非稳定网络传输中的动态压缩预测控制方法为实施例进行说明，包括以下步骤：

S1：对电力系统中网络速率进行周期性采集，获取当前网络数据；

S2：根据当前数据传输环境，获取连续型数据当前直接传输耗时T；

S3：预测当前时刻的下一个时间段 内传输速率的变化趋势；

S4：根据未来传输速率的变化来获取未来直接传输耗时

S5：根据当前传输速率建立以整体传输耗时为最优目标的优化模型；

S6：将未来时间段内的网络速率作为决策变量来调整最优压缩比；

S7：获取最优压缩比，并对压缩后的连续型检测数据进行传输。

进一步，所述网络速率采集，是针对一定占比的数据包从服务端传输到客户端所消耗的时间，从而计算出当前的传输速率。

其具体步骤如下：

S11：在数据传输过程中，设置服务器以100毫秒的周期对客户端发送询问信号get_time，同时记录下询问信号的大小q，在每次发送询问信号前，服务器将当前发送时间节点作为回执起始节点，并对其进行缓存，回执起始节点记为start_time；

S12：客户端接收到get_time信号后立即记下当前时间节点，并将其记为end_time，最后将end_time返回给服务端用于请求回执，至此完成了一次数据传输速率序列采集；

S13：通过计算end_time及start_time的差值，则可以得到回执信号的请求时间，结合回执信号大小q，则可以得到各采集周期下的数据传输速率为：

直接传输耗时T，是根据当前数据传输速率D和数据占比Q，得出直接传输耗时

预测传输速率的变化趋势，是需要通过有效的时间序列预测算法来预测未来一段时间内传输速率的变化趋势。

具体步骤如下：

S31：定义预测周期，针对电力信息系统在一段时间 内积累的数据包需要发送给控制中心，其发送时间要小于数据积累周期 否则会导致数据发送混乱，因此可将预测周期为

S32：依据电力系统中大量历史网络速率样本，采用时间序列预测的方法，来预测出下一时间段 的网络速率预测序列

获取原始传输耗时，是结合传输速率预测的变化趋势来获取未压缩数据在非稳定网速下的传输耗时。

设d(t)表示本阶段的数据传输速率预测序列，Q代表原始监测数据占比大小，因此根据公式 倘若d(t)是可积序列，则可以直接求出原始传输耗时 倘若d(t)无法直接积分则可采用下述方法：

根据实验分析，在采集周期内速率的变化较小可以忽略不计，基于此，可以对d(t)的离散序列集进行分段积分，即 其中ti表示采样时刻；Di表示第i个采样周期内的速率，从而求解出n来，进而获取原始传输耗时

建立优化模型，是引入压缩算法后的数据传输时间将由压缩时间、编码后监测数据在传输过程中所消耗的时间以及解压时间三部分组成，即需要建立以整体传输耗时为最优目标的优化模型。

具体步骤如下：

S51：针对多次试验可得到单位原始数据包压缩时间t1与压缩比p的关系为t1＝T1(p)；

S52：同理也可得到单位原始数据包解压时间t2与压缩比p的关系为t2＝T2(p)；

S53：针对非稳定网络环境下传输速率对传输耗时优化决策的影响，通过动态调整压缩比来保证优化决策在整个传输阶段的有效性。基于此，构建基于传输速率预测的最优传输耗时模型，目标函数为：

mint＝t1+t*+t2＝QT1(p)+t*+QT2(p)

其中t*代表在当前网络传输速率D的情况下，数据经压缩编码后用于传输阶段所消耗的时间。

S54：将传输速率变化对当前优化结果的影响考虑在内，则有约束条件：

求解最优压缩比，针对上述基于当前速率的传输耗时优化模型和约束条件，将压缩比作为决策变量来控制整体传输时间，根据优化目标从而求解出在数据传输速率动态变化的情况下的最优压缩比，以此来保证系统传输耗时最小。

由于该模型是非线性模型，因此本发明采用遗传算法这种进化算法来求解这个非线性规划问题。

其求解的具体步骤如下：

S61：编码：根据各模态的压缩比范围为[2,100]采用长度为k的二进制编码，共有2k种不同编码，相邻的编码间隔为

S62：初始种群的生成：随机生成N个串结构数据作为初始种群开始进化，即产生N个以二进制为编码的初始压缩比p作为初始种群；

S63：适应度评估：选择适应度函数为t＝t1+t*+t2＝QT1(p)+t*+QT2(p),并计算种群中每一个初始个体的适应度函数值；

S64：自然选择：个体中适应度函数值t满足约束条件且小于种群平均值的个体保留下来作为适应性强的个体添加至新种群中；

S65：交叉和变异：交叉是将个体与个体之间的部分编码进行交换，变异是在种群中随机选择一个个体以很小的概率随机改变编码中的某个字符，交叉和变异的目的都是得到新的个体添加至新的种群中；

S66：是否停止进化：终止条件：进化次数是达到设定次数或者种群适应度的方差小于设定方差，若满足该终止条件，则停止进化，否则将更新后种群返回至步骤S63；

S67：解码：将选择留下的最优个体通过编码转换成原始参数作为最优压缩比，同时得到最优适应度。

进一步，所述调整最优压缩比，就是依据网络速率预测趋势d(t)来调整当前的最优压缩比，此时约束条件应该变为：

此时t*代表在传输速率的变化影响当前压缩决策的情况下，数据经压缩编码后于传输阶段所消耗的时间。根据优化目标采用步骤S6中的遗传算法求解出在数据传输速率动态变化的情况下的最优压缩比和最优整体压缩时耗。

比较两者的整体传输时耗t比，以较小的时耗对应的压缩比作为最优压缩比。

最后获取最优压缩比之后，对待传输的电力系统数据包进行压缩并传输。。

本发明是基于预测传输速率调节压缩比的传输耗时优化方法，可以有效降低电力系统数据传输耗时。在系统任务启动后的设备调整周期内，数据传输速率波动频率较快，通过预测数据传输速率来改进当前压缩比的方案能够保障数据有效地进行传输，也就是说，在网络传输速率变化频率较大的情况下，通过预测分析其变化趋势来调整当前压缩决策，仍然可以保证系统监测数据的传输状态不受影响。在系统任务启动后的各传输阶段中，引入传输速率预测来改善当前优化决策可以使数据传输耗时控制在低于各系统的底层采集周期，即此时的传输状态可以保证监测数据的时效性、准确性，从而使上层客户端可以及时展现、反馈系统运行状态，并由决策层做进一步处理。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

连续型监测数据在非稳定网络传输中的动态压缩预测控制方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。