本文關(guān)鍵詞：基于字典學(xué)習(xí)的電能質(zhì)量數(shù)據(jù)壓縮重構(gòu)與擾動(dòng)識別研究

  更多相關(guān)文章： 壓縮感知 字典學(xué)習(xí) 電能質(zhì)量數(shù)據(jù) 稀疏表示 擾動(dòng)識別

【摘要】：隨著建設(shè)世界一流的大電網(wǎng)項(xiàng)目的啟動(dòng),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(dòng)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(gè)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(gè)部分:信號的稀疏表示,測量矩陣的設(shè)計(jì)和重構(gòu)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(zhǔn)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(jìn)行稀疏表示并不能自適應(yīng)地獲得最佳稀疏表示。因此本論文就這一問題進(jìn)行了深入的研究,將壓縮感知與字典學(xué)習(xí)結(jié)合在一起,采用字典學(xué)習(xí)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(jìn)行稀疏表示,獲得最佳的電能質(zhì)量數(shù)據(jù)的稀疏表達(dá)方式,提高電能質(zhì)量數(shù)據(jù)的重構(gòu)精準(zhǔn)性和擾動(dòng)識別準(zhǔn)確率。論文的主要研究內(nèi)容有以下幾個(gè)方面:1、通過對壓縮感知理論框架的學(xué)習(xí)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(diǎn),將字典學(xué)習(xí)的方法應(yīng)用到電能質(zhì)量數(shù)據(jù)的稀疏表示中,為進(jìn)一步的研究奠定堅(jiān)實(shí)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(yīng)字典學(xué)習(xí)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(fù)重構(gòu)出原始電能質(zhì)量數(shù)據(jù)。3、針對基于壓縮感知的思想訓(xùn)練學(xué)習(xí)字典進(jìn)行識別,提出了一種基于判別字典學(xué)習(xí)稀疏表示的電能質(zhì)量數(shù)據(jù)擾動(dòng)識別的新方法,實(shí)現(xiàn)對各類電能質(zhì)量擾動(dòng)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(dòng)數(shù)據(jù)具有識別性。4、受到判別字典的啟發(fā),基于這個(gè)思想進(jìn)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(dòng)分類算法,將子字典的非相干約束加入到判別字典學(xué)習(xí)的代價(jià)函數(shù)中,有效的降低了子字典之間的相干性,取得了較好的分類效果。
【關(guān)鍵詞】：壓縮感知 字典學(xué)習(xí) 電能質(zhì)量數(shù)據(jù) 稀疏表示 擾動(dòng)識別
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM711
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 1 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 電能質(zhì)量數(shù)據(jù)壓縮重構(gòu)11-12
• 1.2.2 電能質(zhì)量擾動(dòng)識別12-13
• 1.3 論文主要研究內(nèi)容13-15
• 2 壓縮感知與字典學(xué)習(xí)理論基礎(chǔ)15-28
• 2.1 壓縮感知15-18
• 2.1.1 壓縮感知發(fā)展歷程15-17
• 2.1.2 壓縮感知在電力系統(tǒng)中的應(yīng)用17-18
• 2.2 壓縮感知的理論框架18-25
• 2.2.1 信號的稀疏表示18-19
• 2.2.2 測量矩陣和感知矩陣19-21
• 2.2.3 信號重構(gòu)算法21-25
• 2.3 基于壓縮感知的字典學(xué)習(xí)25-27
• 2.3.1 字典學(xué)習(xí)理論基礎(chǔ)25-26
• 2.3.2 電能質(zhì)量數(shù)據(jù)字典稀疏表示26-27
• 2.4 本章小結(jié)27-28
• 3 基于自適應(yīng)字典的電能質(zhì)量稀疏表示數(shù)據(jù)壓縮重構(gòu)28-42
• 3.1 電能質(zhì)量數(shù)據(jù)的壓縮感知28-34
• 3.1.1 電能質(zhì)量數(shù)據(jù)的稀疏表示29-32
• 3.1.2 信號的字典稀疏表示32-33
• 3.1.3 測量矩陣的設(shè)計(jì)33-34
• 3.2 仿真結(jié)果分析34-41
• 3.2.1 自適應(yīng)字典參數(shù)變化對重構(gòu)誤差的影響34-36
• 3.2.2 不同壓縮比下的重構(gòu)誤差比較36-38
• 3.2.3 仿真結(jié)果38-41
• 3.3 本章小結(jié)41-42
• 4 基于判別字典學(xué)習(xí)的電能質(zhì)量擾動(dòng)識別方法42-54
• 4.1 電能質(zhì)量擾動(dòng)的識別算法42-46
• 4.1.1 擾動(dòng)識別算法簡介42-43
• 4.1.2 判別字典的訓(xùn)練和稀疏求解43-46
• 4.2 判別字典仿真研究46-53
• 4.2.1 測量矩陣和降維維數(shù)的選取46-47
• 4.2.2 抗噪聲魯棒性研究47-48
• 4.2.3 判別字典大小的確定48-49
• 4.2.4 仿真驗(yàn)證49-53
• 4.3 本章小結(jié)53-54
• 5 基于不相干約束項(xiàng)字典的電能質(zhì)量擾動(dòng)識別方法54-67
• 5.1 不相干約束項(xiàng)的判別字典新算法54-59
• 5.1.1 重構(gòu)誤差項(xiàng)55-56
• 5.1.2 不相干約束相56-57
• 5.1.3 DLSI模型的優(yōu)化57-59
• 5.2 仿真性能對比59-61
• 5.2.1 不同識別分類法的性能比較59-60
• 5.2.2 字典原子數(shù)的影響性能比較60-61
• 5.3 仿真過程61-66
• 5.3.1 公共字典的訓(xùn)練仿真61-64
• 5.3.2 擾動(dòng)識別對比仿真64-66
• 5.4 本章小結(jié)66-67
• 6 總結(jié)展望67-69
• 6.1 論文主要工作總結(jié)67-68
• 6.2 后續(xù)工作與展望68-69
• 參考文獻(xiàn)69-72
• 致謝72-73
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文73

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳警眾;電能質(zhì)量講座 第四講 電能質(zhì)量改善措施的實(shí)際應(yīng)用[J];供用電;2001年01期

2 ;教育部電能質(zhì)量工程研究中心[J];安徽科技;2002年03期

3 奚s，

本文編號：600456