基于分布式压缩感知和边缘计算的配电网电能质量数据压缩存储方法

发布时间：2025-02-07 17:18

　　 针对配电网中电能质量数据日益庞大且谐波污染划分困难的问题,提出一种基于分布式压缩感知和边缘计算的电能质量数据压缩存储方法。创新之处在于:该方法是基于同步正交匹配追踪算法和K-SVD字典学习算法提出一种自适应联合重构算法,并将该重构方法应用到以分布式压缩感知为边缘算法的云边协同框架中,在云端通过对边缘上传的字典原子和测量值进行分析,实现电能质量数据的压缩存储,此外,还可以依据各节点稀疏系数间的互相关度实现配电网的谐波污染动态分区。仿真结果表明:该算法不仅能以很高的精度实现电能质量数据的压缩,节省数据存储空间,还对配电网的谐波污染分区具有借鉴意义。

【文章页数】：12 页

【文章目录】：
0 引言
1 基于分布式压缩感知的边缘算法
    1.1 联合稀疏模型
    1.2 稀疏字典的设计
        1）稀疏分解阶段
        2）字典更新阶段
    1.3 测量矩阵的选取
    1.4 DCS-SOMP联合重构算法
2 基于云边协同的配电网分区和电能质量数据压缩存储方法
    2.1 基于云边协同的数据存储
    2.2 基于云边协同的配电网双阈值动态分区原理
3 实验与仿真分析
    3.1 配电网的动态分区
    3.2 配电网电能质量数据的压缩存储
    3.3 算法性能分析
4 结论



本文编号：4031033