一种基于压缩感知的电力系统谐波检测方法及装置制造方法及图纸

本发明专利技术提供一种基于压缩感知的电力系统谐波检测方法及装置。所述方法包括：S1，对接收到的电能质量数据进行小波变换和高斯测量矩阵处理，获得测量向量y及感知矩阵Θ；S2，基于所述测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得稀疏逼近信号

【技术实现步骤摘要】
一种基于压缩感知的电力系统谐波检测方法及装置
本专利技术涉及电能质量谐波检测领域，更具体地，涉及一种基于压缩感知的电力系统谐波检测方法及装置。
技术介绍
随着电力系统规模的不断扩大，人们对电能质量的要求越来越高，随之而产生的电能质量问题也越来越突出。由于大量非线性负荷和电气设备的引入，会在电网中产生严重的谐波或者间谐波污染，引起电网电能质量下降。特别是智能电网建设的深入，用电智能化和高度自愈性的要求使谐波检测和治理成为一项重大的问题。。智能电网的谐波检测问题，应以实现准确实时检测为前提，具有以下特点：第一、在大量电力电子装置投入使用的智能电网中，许多分布式电源通过逆变器接入网络，这就使得谐波和间谐波污染比传统电网更严重。为满足智能电网的要求，谐波检测应充分满足实时性要求，同时实现谐波的精确检测。第二、智能电网中谐波数据的检测变得更困难。第一，用电智能化等智能电网的新要求导致了所需谐波检测仪器数量剧增。其次，检测种类增加、实时性增强，检测数据量巨大，实时检测所形成的海量数据对数据存储和传输方式都有着较高的要求。现在常用的电能质量检测系统都基于Nyquist采样定理，一方面，要求采样速度本文档来自技高网...

【技术保护点】
一种基于压缩感知的电力系统谐波检测方法，其特征在于，包括：S1，对接收到的电能质量数据进行小波变换和高斯测量矩阵处理，获得测量向量y及感知矩阵Θ；S2，基于所述测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得稀疏逼近信号

【技术特征摘要】
1.一种基于压缩感知的电力系统谐波检测方法，其特征在于，包括：S1，对接收到的电能质量数据进行小波变换和高斯测量矩阵处理，获得测量向量y及感知矩阵Θ；S2，基于所述测量向量y和感知矩阵Θ，利用稀疏度自适应压缩采样匹配追踪算法对原始信号进行重构，其中原子选择进行正则化处理，迭代过程进行变步长处理，获得稀疏逼近信号S3，基于所述稀疏逼近信号重构原始电能质量数据。2.如权利要求1所述的方法，其特征在于，S1中所述感知矩阵Θ通过下式获取：其中，为高斯测量矩阵，ψ为小波变换系数。3.如权利要求1所述的方法，其特征在于，所述S2进一步包括：S2.1，设置初始步长S，令初始余量为所述测量向量y，满足r＝y，通过下式计算相关系数u，并选取大于最大相关系数umax一半的原子索引更新支撑集，u＝{uj|uj＝|<r,Θj>|,j＝1,2,...,N}，其中，uj为余量与原子Θj的内积，Θj为所述感知矩阵Θ的第j列，也称原子；S2.2，当残差rk满足第一迭代停止条件且不满足第二迭代停止条件时，改变步长并更新支撑集，进行下一次迭代，其中符号表示向上取整。4.如权利要求3所述的方法，其特征在于，所述S2.1之前还包括：初始化所述稀疏度自适应压缩采样匹配追踪算法的参数，包括：迭代次数t＝1，初始阶段数k＝1，索引集支撑集大小L＝S，5.如权利要求3所述的方法，其特征在于，所述S2.1之后还包括：合并索引集Λ＝Λ∪F，并通...

【专利技术属性】
技术研发人员：孙娜，刘继文，储汪兵，肖东亮，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11