針對配電網(wǎng)中電能質(zhì)量數(shù)據(jù)日益龐大且諧波污染劃分困難的問題,提出一種基于分布式壓縮感知和邊緣計算的電能質(zhì)量數(shù)據(jù)壓縮存儲方法。創(chuàng)新之處在于:該方法是基于同步正交匹配追蹤算法和K-SVD字典學(xué)習(xí)算法提出一種自適應(yīng)聯(lián)合重構(gòu)算法,并將該重構(gòu)方法應(yīng)用到以分布式壓縮感知為邊緣算法的云邊協(xié)同框架中,在云端通過對邊緣上傳的字典原子和測量值進行分析,實現(xiàn)電能質(zhì)量數(shù)據(jù)的壓縮存儲,此外,還可以依據(jù)各節(jié)點稀疏系數(shù)間的互相關(guān)度實現(xiàn)配電網(wǎng)的諧波污染動態(tài)分區(qū)。仿真結(jié)果表明:該算法不僅能以很高的精度實現(xiàn)電能質(zhì)量數(shù)據(jù)的壓縮,節(jié)省數(shù)據(jù)存儲空間,還對配電網(wǎng)的諧波污染分區(qū)具有借鑒意義。

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引言
1 基于分布式壓縮感知的邊緣算法
    1.1 聯(lián)合稀疏模型
    1.2 稀疏字典的設(shè)計
        1）稀疏分解階段
        2）字典更新階段
    1.3 測量矩陣的選取
    1.4 DCS-SOMP聯(lián)合重構(gòu)算法
2 基于云邊協(xié)同的配電網(wǎng)分區(qū)和電能質(zhì)量數(shù)據(jù)壓縮存儲方法
    2.1 基于云邊協(xié)同的數(shù)據(jù)存儲
    2.2 基于云邊協(xié)同的配電網(wǎng)雙閾值動態(tài)分區(qū)原理
3 實驗與仿真分析
    3.1 配電網(wǎng)的動態(tài)分區(qū)
    3.2 配電網(wǎng)電能質(zhì)量數(shù)據(jù)的壓縮存儲
    3.3 算法性能分析
4 結(jié)論



本文編號：4031033