基于原子稀疏分解的電能質(zhì)量擾動檢測與壓縮性能研究.pdf

1、隨著電網(wǎng)建設(shè)的不斷推進(jìn)及負(fù)荷多樣化的發(fā)展，電能質(zhì)量問題日益凸顯，分析和改善電能質(zhì)量成為當(dāng)前的重要研究課題。原子稀疏分解通過構(gòu)建符合信號特征的過完備原子庫，實(shí)現(xiàn)信號的自適應(yīng)分解，在電力系統(tǒng)信號分析領(lǐng)域受到了廣泛關(guān)注。本文基于原子稀疏分解的思想，對電能質(zhì)量擾動分析、數(shù)據(jù)壓縮、系統(tǒng)諧波檢測進(jìn)行研究。
　　過完備原子庫中原子數(shù)目較大及匹配追蹤算法需遍歷整個原子庫以尋求最優(yōu)解使得原子稀疏分解的計(jì)算量非常大。對此，人們選擇智能優(yōu)化的匹配追蹤算

2、法以降低算法的復(fù)雜度，但信號分解的參數(shù)提取精度卻明顯降低，再加上匹配追蹤算法自身存在的短視和誤差累積效應(yīng)，分解過程中出現(xiàn)參數(shù)提取不準(zhǔn)確及無關(guān)分量等問題，干擾信號的準(zhǔn)確檢測。本文針對粒子群優(yōu)化算法存在的上述問題，提出了粒子群動態(tài)搜索（Particle Swarm Optimization Dynamic Search, PSO-DS）算法，根據(jù)快速傅里葉變換和小波變換提供的先驗(yàn)信息，對算法的參數(shù)搜索范圍和最佳原子的搜索方式進(jìn)行優(yōu)化。仿真分

3、析表明，PSO-DS算法通過幾次分解便可有效地提取信號特征，并在算法初期有效地避免了無關(guān)分量和錯誤分量的產(chǎn)生，提高了信號檢測精度及信號表達(dá)的簡潔性與準(zhǔn)確性。
　　隨著電網(wǎng)建設(shè)的智能化和信息化，電能質(zhì)量檢測數(shù)據(jù)非常龐大，為數(shù)據(jù)的有效存儲和傳輸造成較大困難。原子稀疏分解可以通過分解參數(shù)和原子庫實(shí)現(xiàn)信號重構(gòu)，而分解參數(shù)相對于原信號而言數(shù)據(jù)量非常小，可以實(shí)現(xiàn)信號的高壓縮比。本文在 PSO-DS算法的基礎(chǔ)上進(jìn)一步研究電能質(zhì)量擾動信號的壓縮重

4、構(gòu)性能，并從壓縮率、信噪比、均方誤差百分?jǐn)?shù)以及能量恢復(fù)系數(shù)四個方面對算法的壓縮重構(gòu)性能進(jìn)行了全面評價(jià)。仿真分析表明，基于 PSO-DS的壓縮方法在98％高壓縮率的情況下，能量恢復(fù)系數(shù)均在99%以上，信噪比達(dá)到39dB。壓縮率在95%時(shí)，信噪比可以達(dá)到55dB，與小波包壓縮算法相比，在信噪比接近的情況下，壓縮率高出15%~20%。
　　最后，本文研究了原子稀疏分解方法在系統(tǒng)諧波檢測方面的應(yīng)用，對原子庫的構(gòu)建、算法具體實(shí)現(xiàn)、算法復(fù)雜度