发电机组辅机设备监测诊断是保证整个机组正常运行的重要条件。提取辅机设备数据中的信息对电厂的管理、机组的可靠性与安全性都有重要意义。由于全天不间断以高采样频率对辅机设备数据进行采样,如何不损失数据中的信息以最小代价存储传输数据成为一个亟待解决的问题。目前已有很多算法对电能质量及故障录波数据进行压缩,但电厂辅机设备数据压缩问题却处于起步阶段。本文在总结借鉴现有电力系统数据压缩算法的基础上,针对辅机设备数据的特点将现有算法进行适当改进与应用。本文对辅机设备数据分别从无损压缩、去噪、有损压缩三方面进行分析,所提出的方法取得了良好的效果,仿真测试验证了方法的有效性。首先,本文使用无损压缩算法进行压缩。文中采用傅里叶变换找出信号的基频分量,将基频分量作为预测量,然后对信号的残差进行无损编码。对残差编码使用的是本文改进的LZW算法,该算法利用字典长度对前缀进行映射编码,在原算法的基础上去除了冗余,提高了压缩性能。改进算法压缩残差能获得比数据的熵更低的良好效果。仿真测试表明了算法的有效性。其次,本文考虑到信号含有一定的噪声,文中使用了小波变换对信号进行去噪,同时存储小波域系数达到压缩的目的。在对信号去噪时,本文提出了一个更光滑的阈值函数,该函数相对软阈值更有利于保留信号的高频细节,相对硬阈值函数有利于减少震荡。仿真测试表明了算法的有效性。最后,文中使用小波包对信号进行有损压缩。考虑到电力系统数据周期性的特点,本文将原信号重组为二维信号进行压缩。使用小波包分别对原信号和重组信号进行压缩,结果表明原信号重组后压缩性能更优。文中还使用SVD算法对重组信号进行压缩,并提出了一种SVD与小波包结合的压缩方法,该方法重组SVD变换后的酉矩阵,并对它进行控制误差压缩。仿真测试表明SVD算法相对小波包算法能取得更大的压缩比,但相应的重构误差有所提升。本文提出的SVD与小波包结合的方法在SVD算法的基础上能以很小的重构误差代价获取很大的压缩比。