CN103124180A - 基于投影追踪的电力系统数据重构解压缩方法 - Google Patents
基于投影追踪的电力系统数据重构解压缩方法 Download PDFInfo
- Publication number
- CN103124180A CN103124180A CN2013100123609A CN201310012360A CN103124180A CN 103124180 A CN103124180 A CN 103124180A CN 2013100123609 A CN2013100123609 A CN 2013100123609A CN 201310012360 A CN201310012360 A CN 201310012360A CN 103124180 A CN103124180 A CN 103124180A
- Authority
- CN
- China
- Prior art keywords
- signal
- atom
- data
- power system
- sampling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006837 decompression Effects 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 abstract description 29
- 238000007906 compression Methods 0.000 abstract description 16
- 230000006835 compression Effects 0.000 abstract description 11
- 238000013144 data compression Methods 0.000 abstract description 8
- 238000005259 measurement Methods 0.000 description 11
- 230000008447 perception Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种基于投影追踪的电力系统数据重构解压缩方法,基于压缩感知理论能以远低于奈奎斯特频率采样信号。本发明首先构造过完备原子库,保证原子库中的原子具有冗余性、其次寻找最匹配原子,更新信号残差、再次获取稀疏向量元素、最后获取稀疏向量。本发明所述方法在每一次的迭代过程中,从感知矩阵中选择与信号最匹配的原子构建稀疏逼近,求出信号残差表示,经过一定的迭代次数,信号由其中的一些原子线性表示。本发明所述方法突破传统数据压缩方法先采样后压缩的框架,将采样与压缩合并进行,少量采样即能很好地恢复原始电能质量信号。
Description
技术领域
本发明涉及电力系统数据重构和解压缩方法,尤其是一种基于的压缩感知理论的电能质量数据投影追踪重构解压缩方法。
背景技术
电力部门需要实时监控电力系统电压、电流等数据,以便进行波动、闪变、谐波状况、阻抗频率特性和电能质量的分析,这将导致数据量巨大,无论是当地存储还是传输给电力部门都将带来沉重的负担。因此电力系统中大量数据的存储是一个迫切需要解决的问题,有效方法就是对数据进行压缩。关于电力系统数据压缩,近年来研究者往往只重视故障数据的压缩,而实际上随着电力系统自动化程度的提高,智能电网建设的目标,监测信息系统的不断完善,海量过程数据的存储越来越受到人们的重视。电力系统运行过程中的暂稳态电能质量数据蕴含着丰富的信息,对分析电网运行状态、提供控制和优化策略、故障诊断和数据挖掘具有重要意义。研究适合工程实际的数据压缩方法对降低海量过程数据中存在的冗余成为电力行业的迫切需求。特别近年来智能电网的计划提出以后,用户与电力公司的双向通讯对采集设备的性能提出了更高的要求。如果可以用最经济节能的便捷式电能质量数据采集仪完成数据的采集,然后再将解压缩方法放置于大型计算机上进行处理,将能有效解决传统压缩和解压缩模式的弊端。
目前电网数据的采集设备均建立在香农采样定理采样率基础上,高精度的采样需求必定会带来巨大的数据量。随着智能化电网监测模式的建设,电网数据采集源源不断进行,即使通过高性能压缩方法将采样后的大部分数据量丢弃,仍会耗用大量的原始数据存储空间。压缩感知理论能够突破香农采样定理限制,采集的数据就是需要获取的信息,采样与压缩过程合二为一,将能够突破电网数据采样模式,有望解决在电力系统一次设备附近的现场数据采集和执行装置通常采用速度较低的CPU,且克服存储容量有限的矛盾,将计算量留给后期计算机处理,可以通过计算机强大的并行处理能力低成本的重构原始信号,达到与传统采样和压缩相同的效果,为电能质量数据的检测和识别等方法开阔新思路。
发明内容
针对现有技术中电力系统数据重构和解压缩方法存在的上述问题,本发明提供一种基于压缩感知理论和投影追踪重构方法的电能质量数据压缩和解压缩方法。电能质量压缩数据由基于压缩感知理论的获得电能质量压缩数据,具体体现为数据采样与压缩过程的合二为一;电能质量数据解压缩过程由投影追逐重构解压缩实现。本发明克服了现有技术中的采样过程耗费大量数据存储空间的缺点,提供了一种采样与压缩过程合并,节约采样数据存储空间的电能质量数据压缩与解压缩方法。
本发明的技术方案是:
基于投影追踪的电力系统数据重构解压缩方法,具体包括如下步骤:
(3) 更新信号残差:
(4) 获取稀疏向量元素:
(6) 如果t<m,t=t+1。则重复第(2)-(5)步骤,进行下一次迭代。否则结束迭代,获得稀疏向量x。
进一步,步骤(2)中,=,是维的压缩感知观测矩阵,是维的稀疏变换基矩阵,其中,表示内积运算;当t=1时,即原始信号,上式表示与中第i列原子的内积;当t>1时,上式表示残差余量与中第i列原子的内积,即为找寻出的当前最匹配原子。
本发明的有益效果是:
本发明首次提出基于的压缩感知理论的电能质量数据投影追踪重构解压缩方法。基于压缩感知理论能以远低于奈奎斯特频率采样信号,对信号的带宽不再作要求,取而代之的是信号的稀疏性,满足条件的信号可在远少于香农采样率的情况下精确的重构信号。压缩感知的思想是用信号的少量非自适应性采样值替代其全值采样值,将传统的数据采集与数据压缩合二为一,无需复杂的数据编码算法。将采样与压缩合并进行,少量采样即能很好地恢复原始电能质量信号,不仅能够降低对硬件的要求,而且提高压缩效率。投影追踪解压缩方法把压缩采样序列表示成感知矩阵原子的线性展开,它能够自适应提取和感知矩阵原子相关的信号结构,经过多次迭代运算获取解压缩数据。基于投影追踪的电能质量数据重构解压缩过程能够较好地恢复原始信号,具有很高的应用价值。
附图说明
图1是本发明基于投影追踪的电力系统数据重构解压缩方法的流程图;
图2是未采用本发明方法时电压谐波信号的原始信号图;
图3是采用本发明方法时电压谐波信号的重构信号图;
图4是图2中的原始信号与图3中重构信号的误差图;
图5是未采用本发明方法时电压暂降信号的原始信号图;
图6是采用本发明方法时电压暂降信号的重构信号图;
图7是图5中的原始信号与图6中重构信号的误差图。
具体实施方式
下面结合附图对本发明进行进一步详细说明。
本发明基于投影追踪的电力系统数据重构解压缩方法的步骤如下:
(1)设定压缩感知采样所需的压缩感知矩阵等相关参数,应用压缩感知数据采样完成电能质量数据采集与压缩过程。
(2)利用提出的电能质量数据投影追踪重构解压缩方法,建立压缩采样值序列与感知矩阵的关系,应用投影追踪匹配方法从感知矩阵中选择与压缩采样值序列最匹配的原子构建稀疏逼近,求出信号残差表示,经过多次迭代运算,稀疏信号由其中的一些原子线性表示,进而解压缩出原始电能质量数据。本段落所涉及的“感知矩阵”、“原子”、“稀疏信号”等定义详见“具体实施方法”。
压缩采样值序列的维数M远远低于原始信号维数N,即实现高维数据(维)到低维数据(维)的投影,实现了数据的压缩过程。若包含足够的重构信号信息的前提下,投影矩阵满足约束等距条件(RIP),运用重构算法由观测向量及感知矩阵能够重构出原始信号,完成压缩采样数据的解压缩过程。
下面结合图1进行说明,具体实施方式的步骤如下:
步骤二:确定测量维数M。对于各种电能质量信号测试样本(采样频率6400Hz)在不同映射测量维数M下,重复30次实验求结果均值。分别考虑电压稳态和暂态状况,以正常电压信号为例,当重构误差小于5%,并趋于稳定。以电压暂升为例,当重构误差小于5%,并趋于稳定。重构误差随着M的增大逐渐降低,综合考虑采样压缩比和重构精度,对于稳态和暂态情况分别选择测量维数和。
步骤三:确定稀疏变换基。采用傅里叶变换基对电能质量信号进行稀疏表示。
步骤四:构造过完备原子库。这里感知矩阵的所有列向量表示一个过完备原子库,其中每一列表示库中的一个原子。
设定感知矩阵,量测方程,归一化。这里表示原始电能质量信号,表示压缩后数据,重构算法的目标是求解量测方程中稀疏信号x以及非零元素对应的坐标位置。感知矩阵可以看作一个过完备原子库,中第i列表示库中的原子。原子库中的原子作归一化处理,。每个原子的维数与的维数相等。由于原子库满足过完备性,即原子库中的原子是冗余的。因此中原子个数N远远大于的维数M。
步骤五:初始化参数
步骤六:寻找最匹配原子
;
步骤七:更新信号残差
步骤八:获取稀疏向量元素
步骤十:t=t+1。如果t<m,则重复步骤六-步骤九,进行下一次迭代。否则结束迭代,获得稀疏向量x。
考察基于投影追踪重构算法对电能质量扰动数据的压缩效果,并统计数据压缩比、重构误差等指标。在保证高精度重构的同时具有高压缩比,选择稳态信号的测量维数M=32,暂态信号测量维数取值为M=128。
图2为10个周波的电压谐波信号(采样频率6400Hz),共1280点,横坐标Time/sec表示时间单位为秒,纵坐标Amp/pu表示归一化的电压幅值。图3为基于投影追踪重构算法的电压谐波重构信号。图4为原始信号与重构信号的误差。经分析,经过压缩感知测量后的电能测量数据通过投影追踪解压缩方法能够较好地重构原始信号,重构误差小于0.01%。
图5为电压暂降信号(采样频率6400Hz),共1280点,横坐标Time/sec表示时间单位为秒,纵坐标Amp/pu表示归一化的电压幅值,在0.04秒-0.16秒之间电压幅值骤降。图6 为基于投影追踪重构算法的电压谐波重构信号。图7为原始信号与重构信号的误差。经分析,经过压缩感知测量后的电能测量数据通过投影追踪解压缩方法能够较好地重构原始信号,重构误差小于1.43%。
Claims (3)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100123609A CN103124180A (zh) | 2013-01-14 | 2013-01-14 | 基于投影追踪的电力系统数据重构解压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100123609A CN103124180A (zh) | 2013-01-14 | 2013-01-14 | 基于投影追踪的电力系统数据重构解压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103124180A true CN103124180A (zh) | 2013-05-29 |
Family
ID=48455058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100123609A Pending CN103124180A (zh) | 2013-01-14 | 2013-01-14 | 基于投影追踪的电力系统数据重构解压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103124180A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744828A (zh) * | 2013-12-30 | 2014-04-23 | 中国人民解放军重庆通信学院 | 一种测量值缺失的压缩感知重构方法 |
CN104601176A (zh) * | 2014-11-28 | 2015-05-06 | 江苏大学 | 基于正则化自适应匹配追踪的电力系统数据重构方法 |
CN104904122A (zh) * | 2013-12-31 | 2015-09-09 | 华为技术有限公司 | 基于压缩感知的信号重建方法及装置 |
CN105138776A (zh) * | 2015-08-26 | 2015-12-09 | 江苏大学 | 基于回溯自适应匹配追踪的电能质量信号重构方法 |
CN110717949A (zh) * | 2018-07-11 | 2020-01-21 | 天津工业大学 | 基于tromp的干涉高光谱图像稀疏重建 |
CN112597816A (zh) * | 2020-12-07 | 2021-04-02 | 合肥工业大学 | 一种电能质量信号特征提取方法 |
CN114111997A (zh) * | 2021-11-22 | 2022-03-01 | 大连理工大学 | 一种基于叶端定时欠采样信号特性的叶片同步共振频率恢复方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867387A (zh) * | 2010-01-06 | 2010-10-20 | 中国人民解放军海军航空工程学院 | 低于奈奎斯特速率采样下信号重构技术方案 |
US20110090394A1 (en) * | 2009-10-21 | 2011-04-21 | Futurewei Technologies, Inc. | Communication System with Compressive Sensing |
-
2013
- 2013-01-14 CN CN2013100123609A patent/CN103124180A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110090394A1 (en) * | 2009-10-21 | 2011-04-21 | Futurewei Technologies, Inc. | Communication System with Compressive Sensing |
CN101867387A (zh) * | 2010-01-06 | 2010-10-20 | 中国人民解放军海军航空工程学院 | 低于奈奎斯特速率采样下信号重构技术方案 |
Non-Patent Citations (1)
Title |
---|
刘国海: "基于压缩感知理论的电力系统数据检测与压缩方法研究", 《万方学位论文》, 31 July 2012 (2012-07-31) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744828A (zh) * | 2013-12-30 | 2014-04-23 | 中国人民解放军重庆通信学院 | 一种测量值缺失的压缩感知重构方法 |
CN104904122A (zh) * | 2013-12-31 | 2015-09-09 | 华为技术有限公司 | 基于压缩感知的信号重建方法及装置 |
CN104904122B (zh) * | 2013-12-31 | 2017-11-28 | 华为技术有限公司 | 基于压缩感知的信号重建方法及装置 |
CN104601176A (zh) * | 2014-11-28 | 2015-05-06 | 江苏大学 | 基于正则化自适应匹配追踪的电力系统数据重构方法 |
CN105138776A (zh) * | 2015-08-26 | 2015-12-09 | 江苏大学 | 基于回溯自适应匹配追踪的电能质量信号重构方法 |
CN110717949A (zh) * | 2018-07-11 | 2020-01-21 | 天津工业大学 | 基于tromp的干涉高光谱图像稀疏重建 |
CN112597816A (zh) * | 2020-12-07 | 2021-04-02 | 合肥工业大学 | 一种电能质量信号特征提取方法 |
CN112597816B (zh) * | 2020-12-07 | 2022-09-13 | 合肥工业大学 | 一种电能质量信号特征提取方法 |
CN114111997A (zh) * | 2021-11-22 | 2022-03-01 | 大连理工大学 | 一种基于叶端定时欠采样信号特性的叶片同步共振频率恢复方法 |
CN114111997B (zh) * | 2021-11-22 | 2022-08-12 | 大连理工大学 | 一种基于叶端定时欠采样信号特性的叶片同步共振频率恢复方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103124180A (zh) | 基于投影追踪的电力系统数据重构解压缩方法 | |
CN102938649B (zh) | 基于压缩感知理论的电能质量数据自适应重构解压缩方法 | |
CN103595414B (zh) | 一种稀疏采样与信号压缩感知重构方法 | |
CN103124179A (zh) | 基于正交匹配追踪的电力系统数据重构解压缩方法 | |
CN103983850B (zh) | 基于压缩感知的电力系统谐波压缩信号重构与检测方法 | |
CN105827250B (zh) | 一种基于自适应字典学习的电能质量数据压缩重构方法 | |
Tang et al. | Sparse classification of rotating machinery faults based on compressive sensing strategy | |
CN107256537B (zh) | 一种设计两通道正交图滤波器组的设计方法 | |
CN105957117B (zh) | 并行磁共振的图像重建方法、装置及并行磁共振成像系统 | |
CN104601176A (zh) | 基于正则化自适应匹配追踪的电力系统数据重构方法 | |
CN103049923A (zh) | 磁共振快速成像的方法 | |
CN105138776A (zh) | 基于回溯自适应匹配追踪的电能质量信号重构方法 | |
CN109039341A (zh) | 多量测压缩感知的感知矩阵构建方法、系统及存储介质 | |
CN102163338B (zh) | 一种压缩感知系统中的高效重建方法 | |
CN111680028A (zh) | 基于改进奇异值分解的配电网同步相量量测数据压缩方法 | |
CN108828482B (zh) | 结合稀疏和低秩特性的欠采样磁共振扩散谱的重建方法 | |
CN103036576A (zh) | 基于压缩传感理论的一种二值稀疏信号重构算法 | |
Harris et al. | Deterministic tensor completion with hypergraph expanders | |
CN109188327B (zh) | 基于张量积复小波紧框架的磁共振图像快速重构方法 | |
CN109638830B (zh) | 一种电力负荷模型构建方法、装置和设备 | |
Kummerow et al. | Spatial and temporal PMU data compression for efficient data archiving in modern control centres | |
CN113125886B (zh) | 一种针对电能质量扰动源的定位方法 | |
Yan et al. | A real-time data compression & reconstruction method based on lifting scheme | |
CN107945131B (zh) | 射电干涉阵列分布式图像重建方法 | |
CN115407162B (zh) | 一种基于稀疏表示的小电流接地故障选线方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130529 |