面向IEEE COMTRADE格式的海量錄波數據并行壓縮／解壓算法

桂 勛

（電子科技大學 航空航天學院，四川 成都 610054）

0 引言

電力系統(tǒng)電磁暫態(tài)過程是電力系統(tǒng)中短暫的、但非常重要的物理過程。所有的故障都伴隨著相應的電磁暫態(tài)過程，現代電力系統(tǒng)故障診斷、廣域保護和穩(wěn)定分析愈加依賴于電網動態(tài)監(jiān)測系統(tǒng)采集的含豐富故障信息的暫態(tài)過程信號。因此，對電磁暫態(tài)的監(jiān)測、記錄和分析一直是電力系統(tǒng)中一個重要的研究方向。近年來隨著電子技術的快速發(fā)展，電力系統(tǒng)內暫態(tài)錄波逐步向高采樣率、連續(xù)穩(wěn)態(tài)記錄和海量存儲方向發(fā)展[1]。為了提高故障錄波數據的傳輸效率和降低存儲空間，眾多文獻提出了各種壓縮算法[2-15]，其中可分為直接離散小波變換壓縮[2-7]、直接熵編碼[8-9]壓縮以及這 2 種算法的綜合[10-13]共 3 類。其中在離散小波壓縮研究領域，由于第1代離散小波變換Mallat算法[14]相對于第2代基于提升格式的離散小波變換算法[15]無法實現無損壓縮，且計算量大、需要額外內存[10-12，15]，第 2 代基于提升格式的離散小波變換和熵編碼的綜合壓縮算法[10-12]成為當前此領域內的研究熱點。

然而到目前為止這些壓縮算法在實際應用中卻存在以下問題。

a.以往壓縮算法是為了解決電話線傳輸速率過低的問題，但隨著電力通信網絡的改善，百兆、千兆以太網大規(guī)模安裝，通信效率已經不再是難以克服的瓶頸，因此，目前眾多廠家已經放棄了原有的復雜壓縮、解壓方案，而直接在高速以太網上傳輸錄波文件。而另一方面，保信系統(tǒng)廠家不可能讓負責上傳錄波文件的子站和主站軟件系統(tǒng)為每個錄波器廠家實現復雜的壓縮／解壓通信協(xié)議。正因為這兩方面的原因，限制了原有壓縮算法的實際應用范圍。

b.以往壓縮算法是為了解決海量錄波數據的存儲問題。但在電力系統(tǒng)內，目前所有的暫態(tài)記錄格式逐漸被統(tǒng)一到了 IEEE COMTRADE 1999[16]（下文簡稱COMTRADE）標準上，而幾乎所有的第三方暫態(tài)分析軟件都是以COMTRADE標準為輸入格式的。因此，即使在保信系統(tǒng)上采用了壓縮／解壓通信協(xié)議，在主站上還是要解壓后以COMTRADE標準保存，否則第三方分析軟件無法使用。因此壓縮算法也沒有解決實際中面臨的海量COMTRADE數據存儲問題。

c.隨著多核和嵌入式多核的大規(guī)模普及，帶來了一場計算技術革命：傳統(tǒng)的串行編程技術被完全顛覆，逐漸被基于多線程模式的并行編程技術所取代。軟件要提高運行速度和效率已經不能依賴CPU主頻，而要使軟件系統(tǒng)本身在設計上適應新的計算機體系結構。而此領域內以往提出的算法都是串行算法，已經無法適應計算機體系結構的發(fā)展。

筆者經過現場調研后認為，只有直接面向COMTRADE標準文件的壓縮算法才能徹底解決問題a、b，假如實現了通用的COMTRADE標準壓縮／解壓算法及其工具，就可利用所有保信系統(tǒng)內都具有的文件傳輸協(xié)議來直接傳輸，在主站內就可免去解壓，直接進行存儲，需要分析的時候，只需調用相應的解壓軟件。這種應用模式可把以往算法和傳輸的緊密關系完全解耦，更加簡單可靠，而各種第三方分析軟件系統(tǒng)也可攜帶此工具，為各種電力用戶節(jié)約存儲空間。基于這種思路，筆者在已有研究的基礎上，結合多年的電力系統(tǒng)故障分析軟件研發(fā)經驗，提出了面向COMTRADE標準的并行壓縮／解壓算法，并構建了相應的壓縮／解壓工具。算法根據COMTRADE中不同種類記錄信息的特點，采用不同的壓縮算法或混合壓縮算法，獲得極大的壓縮比，且具有線性加速比，可較好地解決以往算法在實際應用中出現的問題。

1 IEEE COMTRADE格式標準

IEEE Std C37.111—1999規(guī)定和記錄信息相關的文件有4個：頭標文件（文件擴展名為HDR）、配置文件（文件擴展名為CFG）、數據文件（文件擴展名為DAT）以及1個可選的信息文件（文件擴展名為INF）。其中對于第三方暫態(tài)數據分析軟件而言最重要的是配置文件和數據文件，其他文件是可選的。對于壓縮算法而言，除了數據文件外，其他文件都可視為純文本文件，以文本流的方式進行壓縮。

1.1 配置文件

要求計算機程序能夠讀取配置文件，獲取內部的屬性信息，并采用這些屬性信息正確地讀取數據文件（*.DAT）中的記錄數據。配置文件為ASCII文本文件，包含著計算機程序為了正確解讀數據文件而需要的信息。配置文件由若干行組成，每個字段都有對應的明確物理意義。其具體內容為：站名，記錄裝置的特征，COMTRADE標準的修改年份；模擬量和狀態(tài)量通道的數量；模擬量通道采樣信息（包括模擬通道索引號、通道識別名稱等配置信息）；狀態(tài)量通道采樣信息（包括狀態(tài)通道索引號、通道識別名稱等配置信息）；被采樣線路的頻率；采樣頻率個數，實際采樣頻率及其對應的結束采樣下標；第1個數據點的日期和時間；觸發(fā)點的日期和時間；數據文件類型，表示數據文件是ASCII文本文件還是二進制文件；時間標記倍乘系數。

1.2 數據文件

數據文件記錄著每個采樣通道中的每個采樣數值。數據文件可以是ASCII或二進制格式。二進制數據文件和ASCII數據文件格式類似，每行應分為T+2列，其中T是配置文件中模擬量通道和狀態(tài)量通道的總和，另外2列是采樣序號和時間標記。二進制文件以BIT形式集中存放狀態(tài)量通道數據。各個數據之間沒有分隔符，每組采樣值之間沒有回車換行符隔開。各列的具體內容如下：第1列為采樣序號；第2列為采樣數據的時間標記；第3組的列為表示模擬量通道信息的采樣數據值；第4組的列為表示狀態(tài)量通道信息的采樣數據值。其數據文件格式的例子如圖1所示。

圖1 數據文件格式Fig.1 Format of data file

2 IEEE COMTRADE數據文件壓縮 ／解壓算法

從圖1可見數據文件分為采樣序號、時間標記數據、模擬量通道數據、狀態(tài)量通道數據4個部分。其中采樣序號在壓縮時可以完全丟棄，下面分別討論其他3個部分的壓縮算法。

2.1 時間標記數據壓縮算法

由于采樣時間標記是一個遞增的量，可通過配置文件中的采樣頻率間接計算得到，因此壓縮此項數據時只需記錄數據文件中記錄的第1個時間標記數據、配置文件中的采樣率個數和實際采樣頻率及其對應的結束采樣下標、配置文件中的時間標記乘數3種信息，即可在解壓時進行無損恢復。解壓算法公式為：

其中，ta為累加偏移時間，初值為0；f為當前采樣頻率；n為當前采樣頻率下從0開始的序號；t1為數據文件中的第1個采樣時間；tm為配置文件中的時間標記乘數；ts為采樣時間標記。算法首先計算累加偏移時間，并將采樣間隔時間單位轉換為COMTRADE標準規(guī)定的微秒。將累加偏移時間除以時間標記乘數后加上t1，再取整就可無損恢復出所有的時間標記。

2.2 狀態(tài)量數據壓縮算法

在COMTRADE標準中，BIANRY格式數據文件中的狀態(tài)量數據是以BIT形式保存的，而在ASCII碼中則是以1個字符（“0”或“1”）來表示。在BINARY格式中，狀態(tài)量通道所占存儲空間的計算公式為：

其中，mod為取整運算，%為取余數運算。

由式（2）可以知道，即使是只有1個狀態(tài)量通道，狀態(tài)量數據也要占據2 Byte的存儲空間，即對于COMTRADE標準而言狀態(tài)量數據保存是有冗余量的。并且通過電力系統(tǒng)內大量COMTRADE標準歷史數據的驗證，在所有狀態(tài)量通道中，95%以上的通道記錄根本沒有狀態(tài)變化，而只有極少量的狀態(tài)量通道記錄了開關量變位信息。

對于這種只有2種變化的量，結合COMTRADE狀態(tài)量的特點，算法設計了最簡游程編碼RLE（Run Length Encoding），即采用游程L的正表示狀態(tài)1，L的負表示狀態(tài)0，而L的絕對值表示游程長度，例如對于 111111110000000，就可用（+8，-7）來表示，而對于沒有狀態(tài)量變換的狀態(tài)量通道，將其分別歸為全1狀態(tài)量通道和全0狀態(tài)量通道類，其中每一類只是記錄對應的通道編號，通道編號的整型字節(jié)長度依據通道數量的多少而定，通常情況下數字量通道數都在256以內，所以可以將通道編號整型長度的初值設為1Byte。通過這種壓縮編碼就可對具有大量狀態(tài)量信息的COMTRADE標準記錄文件進行大幅壓縮。

2.3 高頻采樣模擬量數據壓縮算法

高頻采樣模擬量數據在IEEE COMTRADE數據文件中是以2 Byte的整型數保存的。因此，基于浮點數運算的Mallat算法將無法實現無損壓縮，且計算量也比第2代提升格式的離散小波變換至少高出一倍。因此本算法中針對模擬量數據的壓縮首先采用提升格式的離散小波變換，根據用戶選擇是否進行有損壓縮，進一步采用硬閾值方法進行量化[7]，最后采用熵編碼算法進行壓縮的混合壓縮算法。

2.3.1 提升格式小波變換

提升格式小波變換與Mallat算法相比的區(qū)別在于不依賴傅里葉變換，在時域內就可實現小波構造。對信號進行一次提升變換就相當于進行一次小波分解，一個典型的提升格式離散小波變換包括分裂、預測和更新3個步驟。而重構則是此過程的逆，即更新、預測和合并。整個提升小波的分解和重構如圖2所示。

圖2 小波提升方法的分解與重構Fig.2 Decomposition and reconstruction of lifting wavelet transform

從圖2可知，提升格式小波變換就是不斷對偶數序列（把原始序列也看作偶數序列）減半后進行分解的過程，而重構過程則是分解過程的逆。對應于計算內部實現，對其分解和重構的原理如圖3所示。

圖3 提升方法的計算機實現Fig.3 Computer implementation of lifting wavelet transform

從圖3可知，小波分解的第1步分裂，就是將原始序列Sj的偶數部分移動到前半部分，奇數部分移動到后半部分，而后進行預測和更新，一直持續(xù)該過程，而重構是此過程的逆，不需要任何格外的內存就可完成全部變換。對于一個有2H個點的輸入原始數據，經過h（h＜H）次小波變換后，尺度系數的點為序列左邊的2H-h個點，其余點為小波系數，由此可見小波分解層數越深，可供量化的小波系數也就越多，故壓縮效率也就更高。本文算法中提供了多種整數小波變換，可供用戶進行選擇，它們在尺度j上的變換公式如下所示。

其中，Sj、Dj為經過j-1層分解后得到的偶序列和奇序列，l為序列數組下標。

2.3.2 熵編碼壓縮算法

熵編碼壓縮主要是利用數據或數據序列出現概率的分布特性來尋求概率與碼字長度間的最優(yōu)匹配。 常用的熵 編碼有 Huffman、LZ77、LZ78、LZW、RLE、算術編碼等[17]。眾多文獻已經證明了單純采用一種熵編碼很難取得高壓縮比，文獻[12]采用了RLE和LZW的混合編碼，取得了較好的壓縮效果。本文中采用了著名的混合熵編碼Deflate算法，其采用了經過優(yōu)化后的LZ77和Huffman的混合熵編碼算法，壓縮比和速度更快。由于Deflate算法很好地平衡了壓縮效率和速度，所以很多壓縮軟件（PKZIP、WinZip、gzip）均采用了Deflate算法或由其衍生出來的其他算法，Deflate算法的解壓算法名稱為Inflate。

LZ77編碼算法是由Lempel和Ziv于1977年提出的一種字典壓縮算法，其核心思想是把已輸入的數據流的一部分作為字典，編碼器為輸入流開一個滑動窗口，隨著字符串編碼的輸入把窗口中的數據從右向左移動，并在其中尋找數據中相同的部分，即尋找最長字符串匹配，由此在編碼過程中形成一種內容形式為（距離，匹配長度）的動態(tài)字典。LZ77在壓縮時需要進行大量的字符串匹配工作，這也是LZ77效率上最低的地方，為此Deflate算法采用哈希表來提高匹配速度。在哈希表匹配過程中，采用當前字符串中頭3個字符來計算1個哈希值，并將具有相同哈希值的匹配字符串利用鏈表連接起來，而尋找最長匹配字符串的過程，即通過哈希值找到鏈表頭后，遍歷鏈表，最后確認最長匹配字符串。

在經過LZ77編碼輸出后，Deflate算法采用Huffman編碼進一步壓縮數據。Deflate算法在對一塊數據進行Huffman編碼前，會同時建立靜態(tài)Huffman樹和動態(tài)Huffman樹；然后根據要輸出的內容和生成的Huffman樹，計算靜態(tài)和動態(tài)Huffman樹的最終生成塊大小，而后進行比較，采用生成塊較小的算法進行編碼。采用這種方法，Deflate算法避免了由于文件較小時動態(tài)Huffman樹編碼比靜態(tài)Huffman編碼生成塊大的情況，保證最終輸出塊始終小于編碼輸入塊，這一點是其他算法很難做到的。

2.4 低頻采樣模擬量數據壓縮算法

在電力系統(tǒng)內部，很多COMTRADE標準記錄文件中的最后一個采樣段都是低頻采樣的（小于100Hz）模擬量數據，這些低頻數據通常是當前模擬量通道的有效值。這些數據對于故障分析沒有太大意義，并且通常也是沒有任何變化的量，對于這類低頻數據本算法缺省采用RLE算法，將數據壓縮成（數值，長度）對。

3 最佳小波分解尺度下的最佳數據區(qū)間劃分算法

由于COMTRADE標準記錄文件內通常包含多個采樣頻率下的數據，壓縮算法不可能一次性加載全部模擬量通道數據，并且待壓縮數據點數也不太可能是2的冪級數，因此可能需要在采樣頻段尾部補零，壓縮算法就面臨一次讀取多少采樣數據進行小波分解、壓縮的問題。為此本文提出了一種采用配置文件中提供的采樣頻率信息的壓縮數據區(qū)間最佳劃分算法。

為防止小波分解層數過多而導致基頻分量在小波變換過程中被分解，影響壓縮效率，本文算法采用式（7）[7]計算最佳小波分解層數，并由此倒推出要獲取最佳壓縮效果的最小數據點數公式見式（8）：

式（8）的意義是在采樣頻率fs下，經過n層小波分解，最后剛好有2個點為尺度系數，即實際中要求的待分析數據量必須為 B 的 2k（k=0，1，2，…）倍，才能獲取最佳壓縮效果。根據式（8）可得到在采樣頻率為fs、采樣數據總數為K時的最小補零個數為：

假設處理數據緩沖區(qū)大小為SB=2m（m＞n+1），于是可得以SB劃分的數據區(qū)間個數M為：

而對余下的數據則需要計算出其相對于B的倍數L。

對式（11）中的L以二進制方式從最高BIT位起依次判斷P位是0還是1，如果是1則利用式（12）獲取一個數據劃分大小Y：

通過以上算法就可得到一組可最少補零的數據劃分，例如在fs=9600 Hz時，共采集了15543點數據，當前計算緩沖區(qū)為4096個整型數據，則采用以上算法可自動將數據劃分為3個大小為4096的區(qū)間、1個大小為2048的區(qū)間、1個大小為1024的區(qū)間和1個大小為256的區(qū)間。最小的一個區(qū)間需要補零73個。由此可見采用此算法所劃分的區(qū)間，滿足了最佳小波分解層數的要求，且補零個數最少，在壓縮效果和壓縮效率間找到了一個較好的平衡點。

4 并行壓縮算法

如圖4所示，并行壓縮算法首先解析COMTRADE配置文件，再利用其內信息創(chuàng)建壓縮文件頭并寫入壓縮文件后，將COMTRADE配套文本文件（*.cfg等）依次采用Deflate算法進行壓縮，并寫入壓縮文件中。隨后通過第3節(jié)提供的劃分算法，依據采樣率信息自動創(chuàng)建數據壓縮劃分區(qū)間，并根據此區(qū)間依次將原始數據讀入并解析到模擬量通道數據壓縮共享管理器內預先分配好的通道數據緩沖區(qū)中。此時通知激活已經創(chuàng)建并等待的模擬量壓縮線程組和狀態(tài)量壓縮線程組（并行壓縮算法采用的線程CPU核心映射原則是：每個核心映射1個模擬量壓縮線程和1個狀態(tài)量壓縮線程）。而后這些線程將向模擬量通道數據壓縮管理器請求待壓縮通道序號。

對于模擬量數據而言，壓縮線程通過判斷采樣頻率是否高于100Hz選用不同的壓縮策略。對于有損壓縮，當采用提升格式小波變換后，采用文獻[7]中介紹的閾值處理方法，該方法在閾值選擇過程中考慮了噪聲的小波變換系數在小波系數空間的傳播特性，能夠很好地抑制噪聲對壓縮性能的影響。壓縮后的數據直接寫入壓縮文件內。

圖4 COMTRADE并行壓縮算法Fig.4 COMTRADE parallel compression algorithm

其中，tj為在尺度j下的硬閾值；σ為噪聲強度；N為尺度j下的小波系數個數；γ為常數，選擇范圍為1～3。其中噪聲強度σ可根據第i次小波變換后的小波系數計算得到，計算公式為：

其中，di為第i次小波變換后的小波系數，為均值，N為小波系數個數。本算法中，γ取值1、2、3分別被映射為“一般”、“較好”、“最好”3種壓縮選項。

對于狀態(tài)量數據而言，壓縮線程每次更新在狀態(tài)量通道數據緩沖區(qū)的壓縮數據，只有當壓縮線程遍歷狀態(tài)量通道的全部狀態(tài)量數據后，才提煉得出全1通道序號數組、全0通道序號數組和狀態(tài)量發(fā)生變化通道壓縮數據，最后將這3類壓縮數據寫入文件。

這種基于申請序號的線程競爭計算方式，可使壓縮算法效率隨著CPU核心數量的增加而提高。

5 壓縮文件格式

經過第4節(jié)的并行壓縮算法，最終壓縮文件形成了如圖5所示的壓縮存儲格式，其中每個部分都是一個可根據壓縮數據變化的量，不能直接采用固定大小結構體設計，為此設計了如下所示的通用變長結構體。

此結構的大小計算程序公式為：

其中，Count為實際存儲數據大小，采用此大小分配內存后，對于type類型數據Data，可直接用數組形式訪問，這樣就形成了一個變長的結構體。

圖5 壓縮文件格式Fig.5 Format of compressed file

壓縮文件的讀取就是利用nStructSize來確定讀寫大小，采用nStructType來判斷數據類型，進而準確讀取所有的壓縮數據塊。在此壓縮存儲格式中，模擬量數據以壓縮時數據劃分的形式順序保存，而狀態(tài)量數據則集中保存在文件最后，在壓縮文件頭中有指向狀態(tài)量壓縮數據的具體偏移數據。

6 并行解壓算法

圖6 并行解壓算法Fig6 Parallel decompression algorithm

對于第5節(jié)闡述的壓縮文件格式，采用如圖6所示的并行解壓算法進行解壓。在解壓主線程內，首先采用Inflate算法對COMTRADE配套文本文件壓縮數據進行解壓，并保存到文件。之后解壓主線程通過壓縮文件頭內提供的狀態(tài)量壓縮數據偏移量信息，直接定位并一次性將壓縮數據讀入到狀態(tài)量壓縮數據共享存儲器內。隨后依據壓縮文件頭內提供的數據劃分信息，將一次數據劃分的全部數據讀入模擬量通道壓縮數據共享管理器內，之后解壓主線程將激活模擬量通道數據解壓線程，并等待解壓完畢（并行壓縮算法采用的線程CPU核心映射原則是每個核心映射1個模擬量解壓線程）。激活后的各個解壓線程向共享管理器申請解壓通道序號，根據原始采樣率判斷是否為高頻模擬量壓縮數據，之后采用不同的解壓策略。當一次數據劃分并行解壓完畢后，解壓主線程等待結束，隨后采用狀態(tài)量壓縮數據解壓出當前數據劃分下的狀態(tài)量信息，再將時間信息還原后加上采樣編號，最后寫入解壓文件。持續(xù)此過程直到所有數據劃分區(qū)間被讀取并被并行解壓完畢。同第4節(jié)所述并行壓縮算法類似，此并行解壓算法采用基于申請序號的線程競爭處理方式，可使解壓效率隨著CPU核心數量的增加而提高。

7 試驗

將本文算法應用于4核CPU計算機，配置為：單核主頻 2.4GHz，內存 1GByte，硬盤轉速 7 200 r／min。

從表1可見Deflate算法的速度很快，而其解壓算法Inflate的速度是Deflate算法是5～9倍。從表2可見，對于同樣大小的原始計算數據，不同插值點的提升格式小波變換計算時間的差別并不明顯，以6.4×104個計算點為例，CDF（2，2）和 CDF（8，2）計算時間相差208 ms。

表1 Deflate／Inflate算法效率試驗結果Tab.1 Results of Deflate／Inflate algorithm efficiency test

表2 提升格式小波變換效率試驗結果Tab.2 Results of lifting wavelet transform efficiency test

為了體現算法在實際應用中的壓縮效果，選用了在電力系統(tǒng)內部具有典型意義的4種COMTRADE文件（文件詳細信息如表3所示），其具體分類如下所表述。

文件1：典型的單相接地故障記錄數據文件，記錄末尾有少量低頻采樣數據。

文件2：典型的保信系統(tǒng)上傳文件，記錄大量意義不大的穩(wěn)態(tài)數據及其開關量變位信息，記錄末尾有較多低頻采樣數據。

文件3：故障持續(xù)時間較長，采樣頻率高，記錄中沒有低頻數據。

文件4：系統(tǒng)發(fā)生較長時間擾動，錄波器連續(xù)進行長時間錄波，完整記錄整個過程，此類連續(xù)長時間采樣也是未來電力系統(tǒng)自動化錄波的發(fā)展趨勢。

為和以往文獻試驗結果對比，試驗采用以往眾多文獻推薦的 CDF（4，2）小波，從表 4、5 所示的壓縮比試驗結果上看，本文算法均可獲得非常大的壓縮比，當COMTRADE文件逐漸變大后，壓縮比也逐漸變大，特別是文件4，在有損壓縮時取得了高達96.6和287.0的壓縮比。而對于無損壓縮，此算法也取得了很好的效果，文件4取得了5.7和16.9的高無損壓縮比，而文件2由于尾部有較多低頻數據，取得了更高的壓縮比。

表3 壓縮／解壓試驗COMTRADE數據Tab.3 COMTRADE data of compression／decompression test

表4 有損壓縮試驗結果Tab.4 Results of loss compression test

表5 無損壓縮試驗結果Tab.5 Results of lossless compression test

表6中針對文件4類型的COMTRADE文件，采用4種小波分別進行有損壓縮，可見隨著參與插值的點數增加，獲得了更小的壓縮文件。筆者還通過大量試驗證明，在諸多文獻中提到的CDF（4，2）的壓縮效果最好的結論，實際上過于片面，試驗中CDF（6，2）、CDF（8，2）小波對于COMTRADE中大量存在的小擾動系統(tǒng)錄波數據具有更高的壓縮比。并且由表2可見插值點數的增加對于提升小波變換速度的影響有限，所以筆者認為對于實際中的COMTRADE文件而言，推薦采用 CDF（6，2）和 CDF（8，2）這類插值點更多的小波，使得變換后得到的小波系數更加平滑，有利于壓縮。

表6 不同小波選擇的壓縮結果Tab.6 Results of compression by different wavelets

表7顯示了對4種不同文件的內故障記錄通道有損壓縮后和原始通道數據計算均方誤差，采用的小波為CDF（8，2）。從表中可見有損壓縮后的解壓數據和原始數據誤差都在小數點后3位，滿足有損壓縮后的可用要求。

表7 故障通道數據有損壓縮最大均方誤差Tab.7 Maximum deviation of loss compression for different faulty channels

表8中采用文件4類型COMTRADE數據在2核、3核、4核計算機上進行了加速比試驗?？梢?，此算法可隨著未來COMTRADE數據文件的加大、CPU核心數的增加，獲取到線性加速比。

表8 并行壓縮／解壓加速比試驗結果Tab.8 Results of parallel compression／decompression acceleration ratio test

8 結語

以往壓縮算法文獻都只是針對模擬量數據進行討論的，而完全忽視了電力系統(tǒng)內絕大部分錄波數據都是以IEEE COMTRADE格式進行保存的情況，并且由于電力系統(tǒng)通信網的快速發(fā)展，原有算法的應用背景也發(fā)生較大變化，原有研究已經不能適應電力系統(tǒng)的發(fā)展，因此本文提出了直接面向IEEE COMTRADE格式的并行壓縮／解壓算法，并構建了相應的通用壓縮／解壓工具，大量試驗證明對于絕大部分現場運行，COMTRADE文件都可獲得很大的壓縮比，并且算法適應了多核并行計算的發(fā)展趨勢，具備線性加速比。