动态测试信号建模与压缩感知电能检测方法的研究
发布时间：2021-04-16 18:29
智能电网以互联网方式发展了传统电网系统,同时可再生能源和大功率动态负荷在智能电网中也被普遍使用,这一现象有利于可持续发展,但也导致了电网新特性的出现。电网新特性会引起智能电能表在检测过程中出现严重误差,造成发电、供电、用电三方的经济损失和纠纷等问题。因此,准确测量电能表动态误差是电能计量领域需要解决的挑战。文章首先概述了动态测试信号、电能表动态误差检测方法、电能测量方法和压缩感知（Compressed Sensing,CS）理论的研究及发展概况。同时研究CS的实际应用情况,为研究基于CS的参考电能检测方法的应用奠定基础。然后,文章将CS应用到电能动态误差检测领域。基于动态负荷特征,建立了一种可全面体现其特征的动态测试信号统一模型。同时,通过对建立的统一模型进行模态分解,得到模态信号先验结构信息,据此构造CS测量矩阵,从而提出了动态电能的间接测量模型,完成动态电能的溯源和检测,提出了基于CS的参考电能间接测量新方法及其系统实现方案。紧接着,对CS间接测量系统进行不确定度评估,并与已提出的方法进行比较,更加直观的验证本文提出的方法有效提高了测量精确度。最后,从FIR小波滤波器的角度出发,构...
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
图１－１发电量能源结构分析??Ｆｉｇ．?１－１?Ｐｏｗｅｒ?ｇｅｎｅｒａｔｉｏｎ?ｅｎｅｒｇｙ?ｓｔｒｕｃｔｕｒｅ?ａｎａｌｙｓｉｓ??上述两个重要变化都冲击着传统电网的基本特性，使其基本特征发生了重要改??
?第一章绪论???１．５．３压缩感知理论应用意义??目前，ＣＳ信号处理己经在许多领域有了应用研究。２００６年，美国ＲＩＣＥ大学将??ＣＳ应用到图像处理中，“单像素”数码相机由此产生［６＇该相机有效的应用了?ＣＳ数据??压缩特性，原理如图１－２所示［６８］；同时ＡＲＩ－ＺＯＮＥ大学研制了一款基于ＣＳ的结构成??像设备；在近几年，ＣＳ广泛应用于图像压缩［６９］，信道估计［７（）］，电能质量分析［７１－７２］等??多个领域，值得一提的是在文献［７３］中，作者将ＣＳ理论应用到医学成像中，减少了??对病人病变部位和全身扫描产生的副作用等。此外，ＣＭ方法也被广泛应用于检测随??机二进制接收通信信号［６＼故障诊断［７４】，检测雷达信号［７５］，通信信号解调检测［７６］等??领域。??通过上述总结分析，可见ＣＳ和ＣＭ方法应用范围广泛，并且已经在我们的生活??中起到了重要作用。因此，研究ＣＳ和ＣＭ理论的新应用有很大的现实意义。??．?Ｖ?１?？斯???＼?—？槿数ｈ换器?晋—ｙ??＞??Ｔ１１１?＼Ｊ＾??图１－２?“单像素”数码相机构造??Ｆｉｇ．?１－２?Ｓｉｎｇｌｅ?ｐｉｘｅｌ?ｄｉｇｉｔａｌ?ｃａｍｅｒａ?ｃｏｎｓｔｒｕｃｔｉｏｎ??通过査阅文献和归纳总结，结合上述分析和介绍，目前压缩感知在应用领域存在??的问题主要可以归纳为：??１、ＣＭ随机信号检测方法的应用中，通常采用高斯测量矩阵。该矩阵有普适性??的优点，但无法准确测量伪随机动态测试信号电能。研宄设计一类能够精确测量信号??动态电能的测量矩阵是目前面临的挑战。??２、目前为止，ＣＳ和ＣＭ方法均未给出动态测试信号参考电能的测量方法。??鉴于电能
?北京化工大学硕士学位论文???节中，已经对ＣＳ理论核心思想、优势和特点进行详细介绍，本节将不再赘述。ＣＳ信??号处理理论框架如图２－２所示。??稀疏字??典??原始信号Ｈ麵錢Ｈ?ＰＨ?ｊ重构信号??图２－２?ＣＳ信号处理原理框架??Ｆｉｇ．２－２?ＣＳ?ｓｉｇｎａｌ?ｐｒｏｃｅｓｓｉｎｇ?ｔｈｅｏｒｙ?ｆｒａｍｅｗｏｒｋ??目前，随着信号处理技术的发展，现实世界中传输获取得到的大部分信号不需要??重构出原始信号，只需要检测分类。因此，２０１０年ＣＳ理论用于稀疏信号检测，压缩??检测（ＣＭ）理论被提出［６１］。ＣＭ理论框架如图２－３所示。??一原始信号＋稀疏表示—压缩采样一？存储和传输一？检测算法一检测结果－??图２－３?ＣＭ信号处理原理框架??Ｆｉｇ．２－３?ＣＭ?ｓｉｇｎａｌ?ｐｒｏｃｅｓｓｉｎｇ?ｔｈｅｏｒｙ?ｆｒａｍｅｗｏｒｋ??ＣＭ是在ＣＳ框架下，在不重构原始信号的前提下，直接从采样压缩得到的数据??中提取有用信息，根据设定的某种判决准则完成检测任务。综上，ＣＭ理论是在ＣＳ??的基础上，加入了信号检测算法的研宄。??２．?２．?２压缩感知测量矩阵??在ＣＳ和ＣＭ信号处理方法中，构造测量矩阵都是关键步骤。在信号的稀疏表示??上，一般构造一个正交基或字典（稀疏基）对信号进行处理，而测量矩阵是一个与稀??疏基相关性很差的矩阵，能够实现信号由高维到低维的投影。下面将ＣＳ理论进行详??细说明［４１］。??首先将输入信号ｘ稀疏化，假设是输入原始信号，则有一组正交基或紧框??架中，使得：??ｘ?＝?（２－１）??７＝１??其中，ａ为原始信号稀疏系数，即信号在中域的表达式。假如〇＜户＜２，?７？＞０满
【参考文献】：
期刊论文
[1]动态测试信号模型及电能压缩感知测量方法[J]. 王学伟,杨京. 仪器仪表学报. 2019(01)
[2]基于压缩感知的单像素成像技术研究进展[J]. 吕志强,陆云,孔庆善,薛亚楠. 信息安全研究. 2018(09)
[3]我国自主研发潮流能发电装置的现场测试与评价分析[J]. 王项南,张原飞,夏海南,郭毅,薛彩霞. 仪器仪表学报. 2018(07)
[4]非线性负荷电能计量方法研究[J]. 向世强,唐求,宋鹏,张永旺. 电子测量与仪器学报. 2018(04)
[5]基于变分模态分解和FABP的短期电力负荷预测[J]. 张淑清,宿新爽,陈荣飞,刘婉,左一格,张赟. 仪器仪表学报. 2018(04)
[6]畸变波形m序列动态测试信号建模与电能量值压缩检测方法[J]. 王学伟,王婧,王琳,袁瑞铭. 自动化学报. 2018(06)
[7]基于压缩感知的无线传感器网络数据收集研究综述[J]. 乔建华,张雪英. 计算机应用. 2017(11)
[8]新一代智能电能表的发展探讨[J]. 刘明杰,周林,苗长胜,吴维德,向景睿. 电测与仪表. 2017(18)
[9]高斯随机观测矩阵的改进[J]. 赵鑫,李东新. 国外电子测量技术. 2017(05)
[10]m序列伪随机动态测试信号建模与压缩检测方法[J]. 王学伟,董晓璇,王琳,袁瑞铭,田海亭,姜振宇,王国兴. 电力自动化设备. 2017(02)
博士论文
[1]面向稀疏信号的物联网高效传输体系及关键技术研究[D]. 吴连涛.浙江大学 2017
[2]电气化铁道牵引负荷概率分布特性与数学模型研究[D]. 杨少兵.北京交通大学 2016
硕士论文
[1]5G通信系统中信道的估计和均衡的方法研究[D]. 邵敏.南京邮电大学 2018
[2]不确定度理论在电能计量和局放信号处理中的应用研究[D]. 王凯红.华北电力大学 2015
[3]压缩感知在无线通信中的应用研究[D]. 欧庆波.南京邮电大学 2011
本文编号：3141948
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
图１－１发电量能源结构分析??Ｆｉｇ．?１－１?Ｐｏｗｅｒ?ｇｅｎｅｒａｔｉｏｎ?ｅｎｅｒｇｙ?ｓｔｒｕｃｔｕｒｅ?ａｎａｌｙｓｉｓ??上述两个重要变化都冲击着传统电网的基本特性，使其基本特征发生了重要改??
?第一章绪论???１．５．３压缩感知理论应用意义??目前，ＣＳ信号处理己经在许多领域有了应用研究。２００６年，美国ＲＩＣＥ大学将??ＣＳ应用到图像处理中，“单像素”数码相机由此产生［６＇该相机有效的应用了?ＣＳ数据??压缩特性，原理如图１－２所示［６８］；同时ＡＲＩ－ＺＯＮＥ大学研制了一款基于ＣＳ的结构成??像设备；在近几年，ＣＳ广泛应用于图像压缩［６９］，信道估计［７（）］，电能质量分析［７１－７２］等??多个领域，值得一提的是在文献［７３］中，作者将ＣＳ理论应用到医学成像中，减少了??对病人病变部位和全身扫描产生的副作用等。此外，ＣＭ方法也被广泛应用于检测随??机二进制接收通信信号［６＼故障诊断［７４】，检测雷达信号［７５］，通信信号解调检测［７６］等??领域。??通过上述总结分析，可见ＣＳ和ＣＭ方法应用范围广泛，并且已经在我们的生活??中起到了重要作用。因此，研究ＣＳ和ＣＭ理论的新应用有很大的现实意义。??．?Ｖ?１?？斯???＼?—？槿数ｈ换器?晋—ｙ??＞??Ｔ１１１?＼Ｊ＾??图１－２?“单像素”数码相机构造??Ｆｉｇ．?１－２?Ｓｉｎｇｌｅ?ｐｉｘｅｌ?ｄｉｇｉｔａｌ?ｃａｍｅｒａ?ｃｏｎｓｔｒｕｃｔｉｏｎ??通过査阅文献和归纳总结，结合上述分析和介绍，目前压缩感知在应用领域存在??的问题主要可以归纳为：??１、ＣＭ随机信号检测方法的应用中，通常采用高斯测量矩阵。该矩阵有普适性??的优点，但无法准确测量伪随机动态测试信号电能。研宄设计一类能够精确测量信号??动态电能的测量矩阵是目前面临的挑战。??２、目前为止，ＣＳ和ＣＭ方法均未给出动态测试信号参考电能的测量方法。??鉴于电能
?北京化工大学硕士学位论文???节中，已经对ＣＳ理论核心思想、优势和特点进行详细介绍，本节将不再赘述。ＣＳ信??号处理理论框架如图２－２所示。??稀疏字??典??原始信号Ｈ麵錢Ｈ?ＰＨ?ｊ重构信号??图２－２?ＣＳ信号处理原理框架??Ｆｉｇ．２－２?ＣＳ?ｓｉｇｎａｌ?ｐｒｏｃｅｓｓｉｎｇ?ｔｈｅｏｒｙ?ｆｒａｍｅｗｏｒｋ??目前，随着信号处理技术的发展，现实世界中传输获取得到的大部分信号不需要??重构出原始信号，只需要检测分类。因此，２０１０年ＣＳ理论用于稀疏信号检测，压缩??检测（ＣＭ）理论被提出［６１］。ＣＭ理论框架如图２－３所示。??一原始信号＋稀疏表示—压缩采样一？存储和传输一？检测算法一检测结果－??图２－３?ＣＭ信号处理原理框架??Ｆｉｇ．２－３?ＣＭ?ｓｉｇｎａｌ?ｐｒｏｃｅｓｓｉｎｇ?ｔｈｅｏｒｙ?ｆｒａｍｅｗｏｒｋ??ＣＭ是在ＣＳ框架下，在不重构原始信号的前提下，直接从采样压缩得到的数据??中提取有用信息，根据设定的某种判决准则完成检测任务。综上，ＣＭ理论是在ＣＳ??的基础上，加入了信号检测算法的研宄。??２．?２．?２压缩感知测量矩阵??在ＣＳ和ＣＭ信号处理方法中，构造测量矩阵都是关键步骤。在信号的稀疏表示??上，一般构造一个正交基或字典（稀疏基）对信号进行处理，而测量矩阵是一个与稀??疏基相关性很差的矩阵，能够实现信号由高维到低维的投影。下面将ＣＳ理论进行详??细说明［４１］。??首先将输入信号ｘ稀疏化，假设是输入原始信号，则有一组正交基或紧框??架中，使得：??ｘ?＝?（２－１）??７＝１??其中，ａ为原始信号稀疏系数，即信号在中域的表达式。假如〇＜户＜２，?７？＞０满
【参考文献】：
期刊论文
[1]动态测试信号模型及电能压缩感知测量方法[J]. 王学伟,杨京. 仪器仪表学报. 2019(01)
[2]基于压缩感知的单像素成像技术研究进展[J]. 吕志强,陆云,孔庆善,薛亚楠. 信息安全研究. 2018(09)
[3]我国自主研发潮流能发电装置的现场测试与评价分析[J]. 王项南,张原飞,夏海南,郭毅,薛彩霞. 仪器仪表学报. 2018(07)
[4]非线性负荷电能计量方法研究[J]. 向世强,唐求,宋鹏,张永旺. 电子测量与仪器学报. 2018(04)
[5]基于变分模态分解和FABP的短期电力负荷预测[J]. 张淑清,宿新爽,陈荣飞,刘婉,左一格,张赟. 仪器仪表学报. 2018(04)
[6]畸变波形m序列动态测试信号建模与电能量值压缩检测方法[J]. 王学伟,王婧,王琳,袁瑞铭. 自动化学报. 2018(06)
[7]基于压缩感知的无线传感器网络数据收集研究综述[J]. 乔建华,张雪英. 计算机应用. 2017(11)
[8]新一代智能电能表的发展探讨[J]. 刘明杰,周林,苗长胜,吴维德,向景睿. 电测与仪表. 2017(18)
[9]高斯随机观测矩阵的改进[J]. 赵鑫,李东新. 国外电子测量技术. 2017(05)
[10]m序列伪随机动态测试信号建模与压缩检测方法[J]. 王学伟,董晓璇,王琳,袁瑞铭,田海亭,姜振宇,王国兴. 电力自动化设备. 2017(02)
博士论文
[1]面向稀疏信号的物联网高效传输体系及关键技术研究[D]. 吴连涛.浙江大学 2017
[2]电气化铁道牵引负荷概率分布特性与数学模型研究[D]. 杨少兵.北京交通大学 2016
硕士论文
[1]5G通信系统中信道的估计和均衡的方法研究[D]. 邵敏.南京邮电大学 2018
[2]不确定度理论在电能计量和局放信号处理中的应用研究[D]. 王凯红.华北电力大学 2015
[3]压缩感知在无线通信中的应用研究[D]. 欧庆波.南京邮电大学 2011
本文编号：3141948
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3141948.html
最近更新
教材专著
