基于判别字典学习的电能质量扰动识别方法

发布时间：2018-01-09 20:12

本文关键词：基于判别字典学习的电能质量扰动识别方法　出处：《仪器仪表学报》2015年10期 　论文类型：期刊论文

【摘要】：电能质量扰动识别方法通常是先通过数字信号处理工具对信号进行检测和特征提取,再采用人工智能方法对特征进行分类识别,增加了识别过程的复杂性和冗余性。提出一种基于判别字典学习(DDL)的稀疏表示电能质量扰动识别方法,可有效减少识别步骤、降低复杂性,并提高识别率。该方法首先采用主成分分析方法将K类扰动训练样本集降维为扰动降维特征训练样本集,由各类样本分别训练出冗余子字典,然后级联成判别字典。接着基于l0范数算法求解出降维测试信号在该判别字典下的稀疏表示矩阵,最后利用不同的冗余子字典重构测试样本,由冗余残差最小值确定目标归属类,实现对电能质量扰动信号的识别。仿真实验结果表明该方法能有效地对不同电能质量扰动进行识别,过程简单、数据量少、抗噪声鲁棒性好,在信噪比20 d B以上的噪声环境中电能质量扰动识别准确率达到95%以上。
[Abstract]:Power quality disturbance recognition method usually uses digital signal processing tools to detect and extract features, and then uses artificial intelligence method to classify and identify features. A sparse representation power quality disturbance recognition method based on discriminant dictionary learning (DDL) is proposed, which can effectively reduce the recognition steps and complexity. The method firstly reduces the dimension of the K-disturbance training sample set into the disturbance dimensionality reduction feature training sample set, and trains redundant sub-dictionaries from each kind of samples respectively by using principal component analysis (PCA) method to improve the recognition rate. Then concatenated into a discriminant dictionary. Then the sparse representation matrix of the reduced dimension test signal in the discriminant dictionary is solved based on the l0-norm algorithm. Finally, different redundant sub-dictionaries are used to reconstruct the test samples. The target attribution class is determined by the minimum residual value, and the signal recognition of power quality disturbance is realized. The simulation results show that the method can effectively identify different power quality disturbances, the process is simple and the amount of data is less. The anti-noise robustness is good, and the power quality disturbance recognition accuracy is more than 95% in the noise environment with signal-to-noise ratio (SNR) of more than 20 dB.
【作者单位】：江苏大学电气信息工程学院;
【基金】：国家自然科学基金(61301138) 江苏省博士后科研资助计划(1401053C) 江苏大学高级人才启动基金(10JDG136)项目资助
【分类号】：TM711
【正文快照】： 1引言随着工业领域的规模化发展,整流设备、变频调速设备等非线性电力电子装置的需求不断增加,电能质量污染的问题日益严重对电能质量的研究越来越受重视。对电能质量扰动进行准确识别是电能质量改善的前提和基础[1-2]。近年来大量国内外学者对电能质量扰动识别问题进行了研究

【参考文献】

相关期刊论文前10条

1 冯浩;谢盛平;郑贺伟;;暂态电能质量实时监测和分析系统[J];电子测量技术;2011年01期

2 黄南天;徐殿国;刘晓胜;;基于改进多层前馈神经网络的电能质量扰动分类[J];电子测量与仪器学报;2009年10期

3 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

4 刘慧;刘国海;沈跃;;采用提升小波包和相关向量机的电能质量扰动分类[J];高电压技术;2010年03期

5 刘慧;刘国海;沈跃;;基于快速提升小波变换的谐波实时检测新方法[J];江苏大学学报(自然科学版);2009年03期

6 沈跃;刘国海;刘慧;;基于改进S变换和贝叶斯相关向量机的电能质量扰动识别[J];控制与决策;2011年04期

7 杨青;田枫;王大志;吴东升;王安娜;;基于提升小波和递推LSSVM的实时故障诊断方法[J];仪器仪表学报;2011年03期

8 沈跃;刘国海;刘慧;;随机降维映射稀疏表示的电能质量扰动多分类研究[J];仪器仪表学报;2011年06期

9 赵凤展;杨仁刚;;基于短时傅里叶变换的电压暂降扰动检测[J];中国电机工程学报;2007年10期

10 李涛;何怡刚;张宇;;基于提升小波的电能质量高效定位算法[J];仪器仪表学报;2013年02期

【共引文献】

相关期刊论文前10条

1 胡书举;李建林;李梅;;风电系统实现LVRT的电网电压跌落检测方法[J];大功率变流技术;2008年06期

2 焦鹏飞;李亮;赵骥;;压缩感知在医学图像重建中的最新进展[J];CT理论与应用研究;2012年01期

3 黄添强;苏立超;;基于自适应小波基和Smoothed-l_0的压缩感知图像重构算法[J];江苏技术师范学院学报;2011年10期

4 王超;梁大鹏;;压缩感知测量方法的机密性[J];电讯技术;2010年11期

5 吴凌华;张小川;;压缩感知的发展与应用[J];电讯技术;2011年01期

6 陈鹏;徐烽;;卫星认知无线通信中频谱感知算法比较[J];电讯技术;2011年09期

7 陈鹏;徐烽;邱乐德;王宇;;卫星稀疏信道中频谱空穴的新型检测算法[J];电讯技术;2012年01期

8 彭岁阳;卢大威;张军;胡卫东;沈振康;;一种对随机频率步进信号的散射中心提取方法[J];电波科学学报;2010年02期

9 李松;朱丰;刘昌云;冯有前;张群;;基于压缩感知的弹道导弹微多普勒提取方法[J];电波科学学报;2011年05期

10 朱丰;张群;顾福飞;孙凤莲;李开明;;合成孔径雷达运动目标谱图二维压缩与重构方法[J];电波科学学报;2012年01期

相关期刊论文前10条

1 吕干云;程浩忠;郑金菊;汪晓东;;基于S变换和多级SVM的电能质量扰动检测识别[J];电工技术学报;2006年01期

2 杨洪耕;刘守亮;肖先勇;;利用S变换时频等值线图与幅值包络向量实现电压凹陷的分类[J];电工技术学报;2006年08期

3 周林;夏雪;万蕴杰;张海;雷鹏;;基于小波变换的谐波测量方法综述[J];电工技术学报;2006年09期

4 任永峰;李含善;胡洪涛;张国栋;王志国;;基于多层前馈神经网络的并联型电能质量控制器[J];电工技术学报;2007年08期

5 彭莉;唐炬;张晓星;谢颜斌;;一种基于复小波变换提取PD信号的分块自适应复阈值算法[J];电工技术学报;2008年07期

6 李庚银;王洪磊;周明;;基于改进小波能熵和支持向量机的短时电能质量扰动识别[J];电工技术学报;2009年04期

7 赵成勇,何明锋;基于特定频带的短时傅里叶分析[J];电力系统自动化;2004年14期

8 李霖;杨洪耕;;基于二维离散平稳小波的电能质量扰动分类[J];电力系统自动化;2007年10期

9 张文涛;王成山;;基于概率神经网络的电压暂态扰动分类[J];电力系统自动化;2007年18期

10 李波,张林利,王广柱,李石清;用于APF的神经网络自适应谐波电流检测方法[J];电力自动化设备;2004年05期

【相似文献】

相关期刊论文前10条

1 薛蕙,杨仁刚;基于小波包除噪的电能质量扰动检测方法[J];中国电机工程学报;2004年03期

2 束洪春,王晶,陈学允;动态电能质量扰动的多刻度形态学分析[J];中国电机工程学报;2004年04期

3 吕干云,丁屹峰,程浩忠;一种基于改进锁相环系统的电能质量扰动检测方法[J];电力系统及其自动化学报;2004年05期

4 潘洪湘,宗伟,刘连光;基于数字信号处理器的短时电能质量扰动检测算法[J];电网技术;2004年20期

5 占勇,程浩忠,丁屹峰,吕干云,孙毅斌;基于S变换的电能质量扰动支持向量机分类识别[J];中国电机工程学报;2005年04期

6 刘安定,肖先勇,邓武军;短时电能质量扰动检测的一种新方法[J];继电器;2005年08期

7 陈小勤;何正友;;基于小波熵和小波熵权的电能质量扰动识别[J];电力科学与工程;2006年01期

8 王红燕;邵玉槐;张海;齐锋光;;基于小波阈值方法的电能质量扰动去噪分析[J];太原理工大学学报;2006年02期

9 宋晓芳;陈劲操;;基于支持向量机的动态电能质量扰动分类方法[J];电力自动化设备;2006年04期

10 余健明;张萍;魏磊;许瑾;;短时电能质量扰动波形的识别[J];西安理工大学学报;2006年02期