基于字典學習的電能質(zhì)量數(shù)據(jù)壓縮重構(gòu)與擾動識別研究.pdf

1、隨著建設(shè)世界一流的大電網(wǎng)項目的啟動，電力系統(tǒng)的快速發(fā)展帶來了多樣化的電能質(zhì)量問題，引起了研究者的廣泛關(guān)注。作為電能質(zhì)量問題中的重要部分，電能質(zhì)量數(shù)據(jù)的壓縮重構(gòu)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(nóng)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(shù)據(jù)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(xiàn)。
　　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(shè)計和重構(gòu)

2、算法的選擇，其中信號的稀疏表示是理論的前提且與數(shù)據(jù)的重構(gòu)精準度有很大關(guān)系。由于電能質(zhì)量數(shù)據(jù)具有特殊性，采用普通函數(shù)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(jié)合在一起，采用字典學習獲得符合電能質(zhì)量數(shù)據(jù)的字典，利用字典對電能質(zhì)量數(shù)據(jù)進行稀疏表示，獲得最佳的電能質(zhì)量數(shù)據(jù)的稀疏表達方式，提高電能質(zhì)量數(shù)據(jù)的重構(gòu)精準性和擾動識別準確率。
　　論文的主要研究內(nèi)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(jié)合電能質(zhì)量數(shù)據(jù)的特點，將字典學習的方法應用到電能質(zhì)量數(shù)據(jù)的稀疏表示中，為進一步的研究奠定堅實的理論基礎(chǔ)。
　　2、針對傳統(tǒng)的數(shù)據(jù)壓縮中采樣頻率的限制，基于壓縮感知的電能質(zhì)量稀疏表示數(shù)據(jù)壓縮，提出了基于自適應字典學習的電能質(zhì)量數(shù)據(jù)壓縮重構(gòu)方法。該方法突破了傳統(tǒng)的數(shù)據(jù)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(gòu)出原始電能質(zhì)量數(shù)據(jù)。

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(zhì)量數(shù)據(jù)擾動識別的新方法，實現(xiàn)對各類電能質(zhì)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(zhì)量擾動數(shù)據(jù)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(zhì)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