一种新的电能质量扰动信号压缩感知识别方法

针对现有电能质量扰动信号识别方法存在数据量大、准确率不高的不足,提出了一种基于压缩感知稀疏向量特征提取的电能质量扰动信号分类识别方法。该方法首先针对原始信号,利用压缩感知理论获取降维的测量信号,并基于?1范数正交匹配追踪算法获取稀疏向量。然后针对稀疏向量提取最大值、次大值、均方根、标准差、峭度和裕度因子等特征,作为神经网络的输入,实现电能质量扰动信号的分类识别。最后,针对六类典型电能质量扰动信号,开展仿真实验验证。仿真结果表明,现有识别方法需要处理的原始信号长度为1024,而所提方法特征提取时所处理的数据长度仅有30,从而大大减少了所需处理的数据量,并且由于实现了以非常少的数据量保存原有全部有用特征信息,因而更有利于提高识别准确率。通过与广泛采用的小波变换识别方法进行比较,所提方法的平均准确率高达98.71%,远远高于小波变换方法的92.86%。     

压缩感知在电能质量扰动信号去噪中的应用

针对电能质量信号去噪中阈值去噪存在信号失真,去噪效果不理想,阈值选取影响重构质量的问题,提出了一种基于压缩感知理论(compressed sensing,CS)的电能质量信号去噪新方法。CS去噪将扰动信号映射到低维空间,利用电能质量信号具有稀疏性可以重构,噪声信号不具备稀疏性不可重构的特点,应用正交匹配追踪(orthogonal matching pursuit algorithm,OMP)重构算法重构电能质量信号达到去噪目的。实验表明,CS电能质量信号去噪法优于传统的基于小波去噪的阈值去噪法,且信号不失真,具有扰动信号采集与压缩的同时完成去噪和易于实现的特点,为电能质量信号去噪提供了一种新的方法。     

基于超完备字典的压缩感知电能质量数据重构

针对应用压缩感知原理进行电能质量数据重构时,采用普通函数形成的正交基进行稀疏表示不能自适应地获得最佳稀疏表示这一问题,首次将K-奇异值分解字典学习引用到电能质量数据重构中。首先,对电能质量信号进行一二维转换,利用K-奇异值分解字典学习算法,建立了适合电能质量数据的超完备字典;并选取高斯随机矩阵作为测量矩阵,对电能质量扰动信号进行压缩采样。同时,利用压缩感知匹配追踪算法进行信号二维重构,并将其转换成一维信号。最后,利用所提出的新算法对几类常见电能质量信号进行了仿真验证。结果表明:在压缩比为25%时,利用新算法能够完成重构信号,其信噪均大于44.2 dB,能够满足实际应用时的分析要求。     

暂态和短时电能质量扰动信号压缩采样与重构方法

为解决传统的电能质量信号采集压缩方法所面临的采样率高、采样资源浪费及硬件实现成本高的问题,根据压缩传感理论首次提出了暂态和短时电能质量扰动信号的压缩采样与重构方法。该方法将电能质量信号由一维信号变换为二维信号,并根据图像可稀疏表示的原理,使用比Nyquist采样数据少60%以上的随机投影采样值重构原始信号,实现了对暂态和短时电能质量测量数据的压缩采样、采样数据空间稀疏基的选取和基于全变分最小化共轭梯度法的信号重构。针对几类常见单一扰动和含有多重扰动的校准源实测信号进行了算法的仿真分析和实验验证。结果表明,所提出的方法在采样率低于Nyquist采样率73%时,单一扰动的重构信号信噪比除暂态脉冲信号外均大于35dB,多重扰动的重构信号信噪比大于22d,满足电能质量分析的要求。     

压缩感知理论在谐波检测中的运用

运用传统的奈奎斯特定理对电力系统中的谐波信号进行采样将会产生极其庞大的数据量,而全新的压缩感知理论突破了传统采样定理的限制,在信号满足稀疏性的前提下,只需要较少的数据就可以实现信号的重构。文中在对现有的贪婪匹配追踪和自适应算法分析总结的基础之上,结合谐波信号自身的特点,提出了一种新的稀疏度自适应压缩采样匹配追踪算法。此算法可在信号稀疏度未知的情况下,通过信号代理和回溯的思想自适应调节步长逐步逼近原始信号,从而实现以较少采样数据进行谐波检测的目标。MATLAB中的仿真实验表明,运用所提出的算法进行谐波检测的效果理想。     

基于稀疏分解和复合熵编码的电能质量扰动数据高效压缩算法

对于电能质量扰动信号压缩问题,压缩比和重构误差是一对互相矛盾的指标。传统的压缩算法难以同时满足高压缩比和低重构误差的要求。为了同时提高压缩比和减小重构误差,该文提出了一种基于稀疏分解、哈夫曼编码和行程编码的混合压缩算法。首先,使用基于联合字典的稀疏分解算法,将电能质量扰动信号中的暂态分量和稳态分量进行分离;其次,对暂态分量使用小波分析、哈夫曼编码、行程编码算法进行编码压缩,对稳态分量,即基波和谐波分量,则保留其大于设定阈值的部分,进而完成对信号的压缩;最后,仿真信号和实测信号的实验结果表明该算法较对比算法具有更高的压缩比和更低的重构误差,同时证明了其对采样频率和高斯白噪声具有较强的抗干扰能力。     

三相电能质量扰动信号压缩方法研究

提出了一种基于压缩传感的三相电能质量数据压缩新方法。首先,将时间t内的三相电能质量扰动信号转换为3t时间内的一维信号;然后,将传统的多频带融合问题理论应用于压缩感知稀疏基设计中,构造稀疏基;最后,选取高斯随机矩阵作为观测矩阵,OMP算法作为重构算法,重构三相电能质量扰动信号并利用MATLAB进行仿真。实验结果表明,该方法可以有效压缩三相电能质量数据,实现三相电能质量扰动信号同时处理,并同时检测出多项性能指标参数。     

采用改进CPSO动态搜索时频原子的电能质量扰动信号去噪方法EI北大核心CSCD

针对电能质量扰动信号噪声抑制中的难点问题,即有效滤除噪声的同时又能较好地保留信号奇异点信息,提出一种采用改进混沌粒子群(ICPSO)动态搜索时频原子的电能质量扰动信号去噪方法。首先,构建了与电能质量扰动信号时频特征相匹配的过完备原子库,采用正交匹配追踪(OMP)算法求解信号稀疏模型,同时采用ICPSO算法对时频原子匹配过程做进一步优化。然后,以残差比阈值确定迭代终止次数,利用最佳匹配原子和稀疏系数重构原始信号,实现信号去噪的目的。运用文中介绍方法对6种典型的电能质量扰动信号进行去噪处理,并与形态学滤波和小波阈值去噪2种方法进行对比。仿真结果表明,文中方法在有效去除噪声的同时,能完整地保留突变点信息,去噪结果准确性高。     

准稀疏信号的压缩感知重构

压缩感知(CS)理论是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编解码的新理论.信号的稀疏性是使用压缩感知的前提,而处理的准稀疏信号在目前压缩感知框架下不满足稀疏性,但可通过预处理使其满足该特性.采用OMP重构算法,通过对信号直接进行压缩感知重构、经某个域上分解后的压缩感知重构和预处理的压缩感知重构3种...     

离散小波变换用于电能质量扰动数据实时压缩

电力系统中与电能质量扰动相关的监测数据规模在短时间内迅猛增加，其庞大的数据容量给存储带来了很大的麻烦，亟须在存储前对其做压缩处理。文中提出了电能质量扰动数据的实时离散小波变换（DWT）法，该方法能够实时地对电能质量扰动数据信号进行多分辨分析（MRA），在各尺度上筛选与扰动相关的小波变换系数并进行保留，从而实现实时压缩的目的。该方法还可以利用保留下来的小波变换系数进行几乎无信息损失的信号重构来复原原始电能质量扰动数据信号。工程实际应用证明了该实时压缩方法的可行性。     

基于压缩感知的电力设备视频图像去噪方法研究

针对电力视频监控图像中存在的噪声,结合压缩感知理论,采用基于过完备字典的稀疏表示方法进行去噪。使用噪声图像训练过完备字典,其中过完备字典的更新使用K-SVD算法,求解稀疏系数使用OMP算法,且根据算法的特点引入了Dice匹配准则来改进正交匹配追踪算法用于求解稀疏系数,最后重构去噪后的图像。Matlab仿真实验表明,对添加了不同标准差的高斯噪声的图像,文中方法具有良好的去噪效果,与目前常用的小波函数相比,能更好的降低图像中的高斯白噪声,并且在字典训练过程中直接使用视频拍摄的带噪声图像,即使没有原始的无噪声图像依然能够完成去噪任务。     

基于压缩感知的智能电能表信号压缩

需求响应与功率分解等复杂任务对于高采样率功率信号的精确获取提出了更高的要求。针对这一问题,设计一种基于压缩感知(Compressed Sensing,CS)的智能电能表功率信号压缩方法,以支持智能电能表的窄带宽、低能耗条件下的信号传输。分析了各类负载的特性,提出了对于智能电能表功率信号的经验模型,作为信号压缩的基础。通过实验验证了经验模型的有效性,并得到了适用于压缩感知方法的最优表示矩阵与投影矩阵生成方案,说明了压缩感知方法相比基于小波变换的压缩方法在信号重建效果上的优势。     

分散控制系统在省内电站的使用概况和发展趋势

分散控制系统的出现成为自动化控制的里程碑。文中介绍了分散控制系统的构成和发展历史，以及在山西省火电厂中的使用情况，阐述了分散控制系统目前的最新发展方向及应用前景。     

基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

基于稀疏分解的复合电能质量扰动分类

针对复合电能质量扰动分类问题,提出了一种基于稀疏分解的分类新方法。该方法通过构建正余弦字典、脉冲字典将电能质量扰动信号分解为近似部分和细节部分,并从中提取了8个特征量。将特征向量输入改进支持向量机中可实现30种复合扰动的准确分类。基于MATLAB生成数据和真实电网数据的仿真结果表明:针对稀疏分解得到的特征向量,改进支持向量机的分类精度高于BP网络和极限学习机;文中方法对单一扰动及复合扰动均有较强的分类能力,且具有一定的抗噪声能力。     

基于坐标变换的风电变流器电压信号CS压缩方法

为了解决直接利用压缩感知(CS)理论对风电变流器输出端三相电压监测数据存储空间的资源浪费以及重构性能差等问题,提出了一种基于坐标变换的风电变流器电压信号CS压缩方法。该方法的关键是利用dq0变换、空间矢量变换将三相电压信号转换为一维信号;然后将传统的多频带融合思想用于CS稀疏表示中,构造稀疏字典矩阵,并分析了稀疏字典与测量矩阵的不相关性;最后利用高斯随机矩阵进行压缩测量,使用追踪算法实现一维信号的恢复,将其转化为两相信号并作坐标反变换,即得到重构的三相电压信号。仿真结果表明,与直接对监测的三相电压数据进行CS处理相比,该方法可有效的压缩原始三相电压数据,使得运行时间降低,重构误差减小,并且节约了测量数据的存储空间,因而更加具有实际应用价值。     

基于压缩感知的综合能源数据处理

摘要：综合能源系统是集多种能源为一体,便利于人民生活的一种综合供能系统。综合能源信息的采集与分析是构建综合能源信息系统的基础和前提。本文提出一种基于复合数据结构压缩感知的综合能源数据压缩采集方法。首先,对综合能源数据进行分析,研究综合能源数据存储的复合数据结构,实现多源综合能源数据的数据融合;然后,利用综合能源数据设计复合数据结构的归一化过完备字典,将其应用于综合能源数据的压缩采集和信号重构;在此基础上,提出能够处理综合能源数据的压缩感知重构算法,并利用压缩感知重构对用户的综合用能特性进行分析,最后通过仿真结果验证了本文设计方法对处理综合能源数据的有效性。