压缩感知电能质量数据重构方法研究

发布时间：2017-09-18 03:38

  本文关键词：压缩感知电能质量数据重构方法研究

  更多相关文章： 电能质量 压缩感知 数据压缩 重构算法 RAMP BAOMP

【摘要】：随着科技水平的不断发展,电力系统的规模日益扩大,大量新兴电力电子设备并入电网使用,带来了各种各样的电能质量问题。因此,采用有效的办法在线监测电能质量的动态并且对呈现的问题进行及时的分析处理显得至关重要。对电能质量数据的采样并压缩是分析处理电能质量问题的前提,传统的电能质量数据采样和压缩方法均以香农采样定理为基础,信号的采样频率必须严格满足大于等于两倍的原始信号频率,这导致了数据量的庞大,并且给数据的存储和传输造成了巨大的压力。压缩感知理论的出现能够有效地解决此类问题,它以一个远低于香农采样频率的值采样,采集到的数据就是所需要的数据,最终通过适当的重构算法来精确重构出原始信号。本文首先深入探讨了压缩感知理论基本原理以及压缩感知理论体系框架的三个重要方面。根据电能质量的定义以及国际标准,利用MATLAB构建了各类电能质量信号模型。针对不同电能质量信号各自的特点,分析了电能质量信号在压缩感知理论体系框架下分析处理的可行性。本文重点研究了压缩感知电能质量低采样率数据的重构方法。在压缩感知理论中信号采样压缩基础之上,提出了两种不同的电能质量数据重构方法,分别是正则化自适应匹配追踪(RAMP)重构方法和回溯自适应匹配追踪(BAOMP)重构方法。各类电能质量信号的稀疏度大都需要预估,而这两种方法中自适应稀疏度的能力刚好能够解决此问题。最后的仿真实验结果表明,RAMP方法应用于大多数电能质量信号的重构效果良好,重构性能指标基本满足电能质量信号分析的要求。针对RAMP方法对暂态振荡信号和电压脉冲信号重构效果不理想的情况,BAOMP方法利用其回溯的特点,有效改善了它们的重构效果。对比仿真实验结果表明,RAMP和BAOMP两种电能质量数据重构方法在重构率、重构信噪比和均方误差等主要性能指标上比传统贪婪类重构方法优越,在电能质量数据的分析处理领域体现出了一定的应用价值。
【关键词】：电能质量 压缩感知 数据压缩 重构算法 RAMP BAOMP
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM711
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-18
• 1.1 课题研究的目的与意义9-10
• 1.2 电能质量概述10-12
• 1.3 电能质量分析技术国内外研究现状及发展趋势12-16
• 1.4 本文的主要研究内容16-18
• 第二章 压缩感知理论概述18-28
• 2.1 压缩感知理论的产生18-19
• 2.2 压缩感知理论的研究现状和发展趋势19-21
• 2.3 压缩感知理论的主要内容21-27
• 2.3.1 信号的稀疏表示22-23
• 2.3.2 测量矩阵的选取23-25
• 2.3.3 重构算法25-27
• 2.4 本章小结27-28
• 第三章 电能质量扰动数据稀疏性分析与建模28-37
• 3.1 电能质量扰动数据稀疏性分析28
• 3.2 电能质量信号建模28-36
• 3.2.1 正常信号模型28-29
• 3.2.2 稳态扰动信号模型29-32
• 3.2.3 暂态扰动信号模型32-36
• 3.3 本章小结36-37
• 第四章 基于正则化自适应匹配追踪算法的电能质量数据重构方法研究37-54
• 4.1 引言37
• 4.2 稀疏表示基的确定37-39
• 4.3 测量矩阵的选取39
• 4.4 基于RAMP的电能质量数据重构算法39-53
• 4.4.1 RAMP算法步骤40-43
• 4.4.2 实验结果及重构性能分析43-53
• 4.5 本章小结53-54
• 第五章 基于回溯自适应匹配追踪算法的电能质量数据重构方法研究54-64
• 5.1 引言54
• 5.2 回溯自适应匹配追踪算法54-57
• 5.3 基于BAOMP算法的电能质量数据重构仿真分析57-63
• 5.3.1 仿真分析57-60
• 5.3.2 算法性能分析60-63
• 5.4 本章小结63-64
• 第六章 总结与展望64-66
• 6.1 全文总结64-65
• 6.2 研究展望65-66
• 参考文献66-71
• 致谢71-72
• 攻读硕士学位期间发表的论文及申请的专利72-73

【相似文献】

中国期刊全文数据库 前10条

1 陈警众;电能质量讲座 第四讲 电能质量改善措施的实际应用[J];供用电;2001年01期

2 ;教育部电能质量工程研究中心[J];安徽科技;2002年03期

3 奚s，

本文编号：873189