基于改进的压缩采样匹配追踪的电能质量信号重构方法技术

技术编号:19011479 阅读:36 留言:0更新日期:2018-09-22 10:55
本发明专利技术公开了一种基于改进的压缩采样匹配追踪的电能质量信号重构方法,采用压缩感知理论对电能质量信号进行采样重构。首先运用该方法在感知矩阵中寻找与残差相关度满足阈值条件的原子存入候选集;其次更新候选集中的原子,并使用最小二乘法估计稀疏信号;最后通过回溯方法对候选集的原子进行二次选择,同时更新残差与支撑集。如果满足迭代停止条件则停止迭代,否则继续循环直至满足停止条件。本发明专利技术能够对各种电能质量扰动信号进行高效重构,能在保证重构质量的同时兼顾重构速度,以较少的采样点完成对信号的重构。对于电能质量扰动信号的分析处理有重要的意义。

【技术实现步骤摘要】
基于改进的压缩采样匹配追踪的电能质量信号重构方法
本专利技术涉及电能质量扰动信号压缩重构方法,具体涉及一种基于改进的压缩感知理论的电能质量信号压缩采样匹配追踪重构算法。
技术介绍
随着科学技术迅猛发展,智能电网成为电网技术发展的必然趋势,安全,稳定的运行是智能电网的必然要求。这就对电网电能质量信号数据的获取提出了较高的要求,传统的电能质量信号采集都是建立在奈奎斯特(Nyquist)采样定理的前提下,即采样频率要大于信号最高频率的2倍,而且采样获得的很多数据都是无用的,这不但大大增加了采样数据,而且对数据的传输也有很大的负担。因此,研究一种低采样率的技术对电能质量信号的检测,分析和处理具有重要的意义和前景。压缩感知理论(CompressedSensing,CS)正是在这样的背景下被提出来的,该理论一经提出就受到广泛的关注,该理论表明:如果一个信号是稀疏的或者是在某个变换域下是稀疏的,那么就可以采集少量的数据高概率的恢复出原信号。CS理论为信号处理领域打开了一扇新的大门,它突破了奈奎斯特采样定理的限制,因此受到图像处理,医疗成像,地质勘探,雷达探测等领域专家学者的高度关注,更是被美国科技评论评为“2007年度十大科技进展”。本专利技术是基于压缩采样匹配追踪方法开展的。本专利技术创新性地对原方法进行了改进,并将其运用于电能质量扰动信号的压缩重构中,为电能质量信号的分析处理开辟了新思路。
技术实现思路
针对传统电能质量信号压缩重构方法存在的不足,为提高压缩采样匹配追踪方法的重构性能。本专利技术提出了一种基于改进的压缩采样匹配追踪的电能质量信号重构方法,该方法首先对电能质量信号进行傅立叶稀疏变换,然后对电能质量信号使用高斯随机矩阵进行观测,最后采用改进的压缩采样匹配追踪算法对电能质量信号进行重构。基于改进的压缩采样匹配追踪的电能质量信号重构方法,具体包括如下步骤:步骤1,在MATLAB仿真实验平台上,根据国家电能质量扰动信号标准,生成常见电能质量扰动信号,如电压暂升、电压暂降、电压中断、暂态振荡、短时谐波、电压尖峰、电压凹陷和电压波动等;步骤2,对电能质量扰动信号的重构进行初始化:初始残差r0=y,初始候选集初始支撑集迭代次数t=1;步骤3,根据模糊阈值方法选择当前残差与感知矩阵的相关度满足要求的原子存入候选集Ct中;步骤4,将本次候选集与上次迭代的支撑集进行合并,并估计出稀疏信号步骤5,在上一步中估计的稀疏信号b中挑选出绝对值最大的K项存入θ,并相应的更新支撑集Ft,残差rt=y-Αθ,计算当前残差与感知矩阵的相关度步骤6,检验是否满足迭代停止条件|wt-1-wt|<γ,若不满足,那么t=t+1返回步骤3继续迭代,若满足,则输出重构信号x=Ψθ。进一步,所述步骤1与2之间,需要将原电能质量扰动信号在傅立叶稀疏基Ψ下进行稀疏表示x=Ψθ,并使用高斯随机观测矩阵Φ对原信号进行观测,得到观测值y=Φx=ΦΨθ=Αθ,其中x是N×1维原信号,θ是稀疏度为K的稀疏信号,也就是θ中只有K个非零量,Ψ是N×N维傅立叶变换基,Φ是Μ×N(Μ<<N)维高斯观测矩阵,其中每一项都服从均值为零方差为的高斯分布,Α是Μ×N维感知矩阵,得到的观测向量y的维数远小于原信号x的维数,选取观测维数Μ=96,通过一种基于压缩采样匹配追踪的电能质量信号重构方法由观测向量y及感知矩阵Α能够重构出稀疏信号θ,进而得到原信号x。进一步,所述步骤3中的模糊阈值为c=a+(b-a)rand(1),其中选取a=0.8,b=0.95,rand(1)为生成一个0到1之间的随机数。进一步,所述步骤4中,稀疏信号的估计是由求得。进一步,所述步骤6中,选取迭代停止阈值γ=10-6。本专利技术的有益效果是:本专利技术首次提出基于改进的压缩采样匹配追踪的电能质量信号重构方法。本专利技术方法首先对电能质量信号进行傅立叶变换域下的稀疏表示,然后对原信号进行高斯随机矩阵的观测,再由改进的压缩采样匹配追踪算法对原电能质量信号进行精确重构。本专利技术方法用于压缩感知理论框架下的电能质量信号压缩重构。在候选集原子选择阶段采用模糊阈值方法进行原子的选择,相比原压缩采样匹配追踪算法的固定个数选择,改进的压缩采样匹配追踪算法选择的总体原子个数更少,原子选择的正确率更高,为后续的回溯阶段支撑集的裁剪工作减轻了负担。在迭代停止条件的确定方面采用相邻迭代间的残差与感知矩阵的相关度变化量作为迭代停止的条件,减少了不必要的迭代,提高了电能质量信号的重构效率与精度。附图说明图1为本专利技术基于改进的压缩采样匹配追踪的电能质量信号重构方法的流程图;图2为采用本专利技术方法对电压暂升信号的重构效果图;图3为采用本专利技术方法对电压波动信号的重构效果图。具体实施方式下面将结合附图对本专利技术方法进行进一步的详细说明。实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分的实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。如图1所示,本专利技术基于改进的压缩采样匹配追踪的电能质量信号重构方法的具体步骤如下:步骤1,在MATLAB仿真实验平台上,根据国家电能质量扰动信号标准,生成常见电能质量扰动信号,如电压暂升、电压暂降、电压中断、暂态振荡、短时谐波、电压尖峰、电压凹陷和电压波动等,并将生成的原信号x在傅立叶稀疏基Ψ下进行稀疏变换x=Ψθ,并使用高斯随机矩阵Φ对原信号进行观测,得到观测向量y=Φx=ΦΨθ=Αθ,其中原信号x为N×1维,稀疏变换基Ψ为N×N维,高斯随机矩阵Φ为Μ×N维,Μ×N维矩阵Α为感知矩阵,观测向量y为Μ×1维,通过压缩观测将原电能质量信号进行了降维压缩,得到了低维的观测向量;步骤2,对电能质量扰动信号的重构进行初始化:初始残差r0=y,初始候选集初始支撑集迭代次数t=1;步骤3,根据模糊阈值方法选择当前残差与感知矩阵的相关度满足要求的原子存入候选集Ct中,即Ct={|<Αj,rt-1>|≥cmax|<Αj,rt-1>|},j=1,2,…,N,其中模糊阈值c=a+(b-a)rand(1),rand(1)为生成一个0到1之间的随机数,本专利技术中,选取a=0.8,b=0.95;步骤4,将本次候选集与上次迭代的支撑集进行合并,Ft=[Ft-1,Ct],并估计出稀疏信号步骤5,在上一步中估计的稀疏信号b中挑选出绝对值最大的K项存入θ,并相应的更新支撑集Ft,残差rt=y-Αθ,计算当前残差与感知矩阵的相关度步骤6,检验是否满足迭代停止条件|wt-1-wt|<γ,若不满足,那么t=t+1返回步骤3继续迭代,若满足,则输出重构信号x=Ψθ,本专利技术中,选取γ=10-6。本专利技术所采用的方法在电能质量信号重构的过程中,采用模糊阈值方法选择候选集原子,相比较其它电能质量信号重构方法或多或少的固定值选择,提高了原子选择的正确率与重构时间,后续的回溯选择方法将已经选择的不正确的原子裁剪掉,为重构精度提供了有力的保障,迭代停止条件的确定更是提高了重构效率,图2与图3所示为基于改进的压缩采样匹配追踪的电能质量信号重构方法的重构效果图,其中图2为电压暂升信号的原信号、重本文档来自技高网...
基于改进的压缩采样匹配追踪的电能质量信号重构方法

【技术保护点】
1.一种基于改进的压缩采样匹配追踪的电能质量信号重构方法,其特征在于:包括以下步骤:步骤1,在MATLAB仿真实验平台上,根据国家电能质量扰动信号标准,生成常见电能质量扰动信号,如电压暂升、电压暂降、电压中断、暂态振荡、短时谐波、电压尖峰、电压凹陷和电压波动等;步骤2,对电能质量扰动信号的重构进行初始化:初始残差r0=y,初始候选集

【技术特征摘要】
1.一种基于改进的压缩采样匹配追踪的电能质量信号重构方法,其特征在于:包括以下步骤:步骤1,在MATLAB仿真实验平台上,根据国家电能质量扰动信号标准,生成常见电能质量扰动信号,如电压暂升、电压暂降、电压中断、暂态振荡、短时谐波、电压尖峰、电压凹陷和电压波动等;步骤2,对电能质量扰动信号的重构进行初始化:初始残差r0=y,初始候选集初始支撑集迭代次数t=1;步骤3,根据模糊阈值方法选择当前残差与感知矩阵的相关度满足要求的原子存入候选集Ct中;步骤4,将本次候选集与上次迭代的支撑集进行合并,并估计出稀疏信号步骤5,在上一步中估计的稀疏信号b中挑选出绝对值最大的K项存入θ,并相应的更新支撑集Ft,残差rt=y-Αθ,计算当前残差与感知矩阵的相关度步骤6,检验是否满足迭代停止条件|wt-1-wt|<γ,若不满足,那么t=t+1返回步骤3继续迭代,若满足,则输出重构信号x=Ψθ。2.根据权利要求1所述的一种基于压缩采样匹配追踪的电能质量信号重构方法,其特征在于:所述步骤1与2之间,需要将原电能质量扰动信号在傅立叶稀疏基Ψ下进行稀疏表示...

【专利技术属性】
技术研发人员:张锐吴庭宇
申请(专利权)人:哈尔滨理工大学
类型:发明
国别省市:黑龙江,23

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1