基于字典學習的電能質量數據壓縮重構與擾動識別研究.pdf

1、隨著建設世界一流的大電網項目的啟動，電力系統的快速發(fā)展帶來了多樣化的電能質量問題，引起了研究者的廣泛關注。作為電能質量問題中的重要部分，電能質量數據的壓縮重構和擾動識別是研究的重中之重，目前的研究方法普遍受香農采樣定理限制。壓縮感知理論作為一個信號處理界的“big idea”給數據信號的處理研究帶來了新的啟發(fā)。隨著研究的深入，壓縮感知理論在各方面優(yōu)勢逐漸凸現。
　　壓縮感知理論主要包含三個部分：信號的稀疏表示，測量矩陣的設計和重構

2、算法的選擇，其中信號的稀疏表示是理論的前提且與數據的重構精準度有很大關系。由于電能質量數據具有特殊性，采用普通函數形成的正交基進行稀疏表示并不能自適應地獲得最佳稀疏表示。因此本論文就這一問題進行了深入的研究，將壓縮感知與字典學習結合在一起，采用字典學習獲得符合電能質量數據的字典，利用字典對電能質量數據進行稀疏表示，獲得最佳的電能質量數據的稀疏表達方式，提高電能質量數據的重構精準性和擾動識別準確率。
　　論文的主要研究內容有以下幾個

3、方面：
　　1、通過對壓縮感知理論框架的學習研究，針對信號稀疏表示方法深入研究，結合電能質量數據的特點，將字典學習的方法應用到電能質量數據的稀疏表示中，為進一步的研究奠定堅實的理論基礎。
　　2、針對傳統的數據壓縮中采樣頻率的限制，基于壓縮感知的電能質量稀疏表示數據壓縮，提出了基于自適應字典學習的電能質量數據壓縮重構方法。該方法突破了傳統的數據壓縮中采樣頻率的限制，能在少量采樣值的情況下快速簡單的恢復重構出原始電能質量數據。

4、
　　3、針對基于壓縮感知的思想訓練學習字典進行識別，提出了一種基于判別字典學習稀疏表示的電能質量數據擾動識別的新方法，實現對各類電能質量擾動的稀疏表示識別。對比其他識別方法，本方法無需特征提取和識別分類器，建立的判別字典對不同類型的電能質量擾動數據具有識別性。
　　4、受到判別字典的啟發(fā)，基于這個思想進一步拓展了針對判別字典，提出了基于子字典不相干的判別字典表示電能質量擾動分類算法，將子字典的非相干約束加入到判別字典學習的