基于分布式压缩传感的低开销电力数据采集方法技术

本发明专利技术公开了一种基于分布式压缩传感的低开销电力数据采集方法，降低了智能电网中采集电力数据的开销。本发明专利技术的电力稀疏矩阵可以对电力数据进行更好的稀疏表示。本发明专利技术的联合重构算法使得原始数据能够在终端被准确的重构，并且很大程度的减少电力数据传输开销。

【技术实现步骤摘要】
基于分布式压缩传感的低开销电力数据采集方法
本专利技术涉及一种基于分布式压缩传感的低开销电力数据采集方法。
技术介绍
近年来，随着科技的发展电网正在向智能电网转变，逐渐与先进的传感器和智能基础设施相结合。如何准确的评估电力系统状态成为电力传输网络的关键。状态估计需要通过传输网络中不同位置的仪表对电力数据进行采样，包括电压，电流，功率等。智能电网的正确运行依赖于采集电网的细粒度的状态检测数据，然而，直接传输原始的检测数据，带来大量的传输和存储开销。针对这个问题，奈奎斯特定理可以大大降低数据采集开销。在该方式下只要满足以大于信号最高频率两倍的频率进行信号采样，就能保证对原始信号进行精确重构。该理论支配着几乎所有信号的获取、处理、存储和传输。在许多实际应用中，信息在存储和处理中，为达到采样率而需要大量的采样数据，从而导致采样硬件成本昂贵，获取效率低下甚至在某些情况难以实现。为了进一步降低数据采集代价，由Candès，Romberg，Tao和Donoho所提出的,基于信号稀疏性的压缩感知技术是解决这类问题的有效方式。压缩感知(Compressedsensing)，也被称为压缩采样(Compressivesampling)或稀疏采样(Sparsesampling)，是一种寻找欠定线性系统的稀疏解的技术。压缩感知被应用于电子工程尤其是信号处理中，用于获取和重构稀疏或可压缩的信号。这个方法利用信号稀疏的特性，相较于奈奎斯特理论，得以从较少的测量值还原出原来整个欲得知的信号。压缩感知理论指出：当信号在某个变换域是稀疏的或可压缩的，可以利用与变换矩阵非相干的测量矩阵，将变换系数线性投影为低维观测向量，同时这种投影保持了重建信号所需的信息，通过进一步求解稀疏最优化问题就能从低维观测向量精确地或者高概率精确地重建原始信号。作为一种有效的数据采集和传输方法，压缩感知技术在智能电网数据采集中十分有效。但是，压缩感知技术应用于智能电网数据采集中也有许多不足之处：①虽然以往研究验证了压缩传感进行低开销数据采集的有效性，但是这些研究大多根据先验选取一个已知矩阵作为稀疏矩阵进行重构，稀疏矩阵选取依赖于设计者的经验，导致重构结果并不理想。而且，现有已知稀疏矩阵，难以很好的表示电力数据。②现有基于压缩感知的智能电网电力数据采集框架只利用了单个中间站临近时刻的监测数据的相关性，并未考虑多个中间站的站与站之间临近时刻的监测数据的相关性。
技术实现思路
本专利技术所要解决的技术问题是，针对现有技术不足，提供一种基于分布式压缩传感的低开销电力数据采集方法，降低智能电网中采集电力数据的开销。为解决上述技术问题，本专利技术所采用的技术方案是：一种基于分布式压缩传感的低开销电力数据采集方法，包括以下步骤：1)智能电网中间站采集原始电力数据f，利用测量矩阵Φ得到压缩的观测信号y＝Φf；2)利用所述观测信号y构建电力稀疏矩阵Ψ；3)通过联合重构算法将多组观测信号进行联合恢复：接收端接收到压缩的观测信号y＝Φf，首先利用测量矩阵Φ和电力稀疏矩阵Ψ将y转换为稀疏信号：x＝Ψ-1Φ-1y，再恢复获得原始电力数据f：f＝Ψx。步骤2)的具体实现过程包括：1)获取一组电力数据信号F＝[f1,f1,...,fn]；2)初始化稀疏矩阵Ψ(0)；3)使用正交匹配追踪方法得到稀疏表示x，对于每个原始信号fi，建立以下目标函数：其中||·||0表示l0范数，即xi向量中非零元素个数，xi表示第i个原始信号的稀疏表示，T0是设置的阈值；4)优化目标函数，更新字典Ψ(t-1)的每一列；Ψ(t-1)表示第t-1次迭代过程中产生的稀疏矩阵；5)重复步骤3)、4)直至收敛，获得电力稀疏矩阵Ψ。步骤3)的具体实现过程包括：1)初始化公共支持集I(c)＝φ，迭代次数k＝0；φ为空集；2)对每组信号设置临时稀疏度其中K(c)为公共稀疏度，为第j个稀疏信号f的稀疏度；3)利用临时稀疏度Kj,max和共同支持集I(c)，通过修改版正交匹配追踪算法获得以及非零元素位置向量Ij；是x的估计；4)将每组非零元素位置向量Ij添加至N维零向量s；5)选择s中最大的k个元素的相应索引作为共同支持集I(c)；6)重复步骤2)～步骤5)，直到第K次迭代后，获得最终的xj；xj是第j个信号f的稀疏表示；7)恢复第j个原始信号fj＝Ψxj。所述压缩的观测信号保存在智能电网数据中心。在所述智能电网数据中心联合恢复多组观测数据。与现有技术相比，本专利技术所具有的有益效果为：本专利技术提出的基于分布式压缩传感的低开销电力数据采集方法，降低了智能电网中采集电力数据的开销。本专利技术的电力稀疏矩阵可以对电力数据进行更好的稀疏表示。本专利技术的联合重构算法使得原始数据能够在终端被准确的重构，并且很大程度的减少电力数据传输开销。附图说明图1是基于分布式压缩传感的电力数据采集模型；图2是长度为144的原始电力信号，经过稀疏后得到的稀疏信号的稀疏度为8(非零元素的个数)，远小于原始信号的长度144；图3是随机选取9个时刻的144个用户的电压的原始数据和恢复数据。实验结果显示，电压的恢复数据围绕原始数据上下小范围波动，基本没有出现较大的偏差，绝对误差在接受范围内；图4是实验计算了363天的原始数据和恢复数据相对误差，可以看出相对误差随着时间变化，最高仅为1.9％；图5是关于连续363天的绝对误差的中位数，绝对误差的最大值小于1.2(相对于真实值240)，恢复效果比较理想。具体实施方式本专利技术具体实现过程如下：第一步：智能电网中间站采集原始电力数据f，利用测量矩阵Φ得到压缩的观测信号y＝Φf；第二步：将压缩的观测信号y上传到智能电网数据中心；第三步：构建电力稀疏矩阵Ψ；第四步：通过联合重构算法在智能电网数据中心将多组观测数据进行联合恢复，获得原始电力数据；第五步：智能电网电力数据采集成功。以下对本专利技术做出进一步说明。智能电网系统大致可分为数据中心、中间站和用户端(智能电表)三部分。一个数据中心站(终端站)对应多个中间站(AP)，而一个中间站又对应多个用户。电力数据会不间断的在用户处产生，用户i对应的中间站会每隔一个时间段t采集一次用户的电力数据ui(N表示中间站对应N个用户)，并将这些数据在本地缓存。一个中间站对应N个用户，则中间站会在时刻t采集到一组数据f＝[u1t,u2t,...,uNt]T：其中，F的第i行Fi，：表示第i时刻采样N个用户的电力数据，F的第j列F:,j表示第j个用户M个时刻的电力数据。使用测量矩阵Φ对信号f进行压缩，可以得到观测信号y＝Φf，其中，压缩感知理论中，对于数据恢复的先验条件是测量矩阵和稀疏基的不相干性，当测量矩阵为高斯随机矩阵时，将以很大概率满足限定等距性的条件，因此选取高斯随机矩阵作为测量矩阵。中间站将压缩的观测信号y上传到智能电网数据中心。稀疏矩阵是将电力信息进行稀疏化的转化矩阵。即，给定电力数据f＝[u1,u2,...uN]，通过f＝Ψx对f进行稀疏化得到稀疏向量x，Ψ∈RN×N就是我们想要得到的稀疏矩阵。给定一组电力数据F，电力数据稀疏化过程就是要求下面优化函数:其中Ψ和X为稀疏矩阵和F对应的稀疏化向量，其中xi是矩阵X的第i列。此外，令xTi为矩阵X第i行(不同于x的第i列xi的转置，代表的是X的第i行)。因此，本文档来自技高网...

【技术保护点】
1.一种基于分布式压缩传感的低开销电力数据采集方法，其特征在于，包括以下步骤：1)智能电网中间站采集原始电力数据f，利用测量矩阵Φ得到压缩的观测信号y＝Φf；2)利用所述观测信号y构建电力稀疏矩阵Ψ；3)通过联合重构算法将多组观测信号进行联合恢复：接收端接收到压缩的观测信号y＝Φf，首先利用测量矩阵Φ和电力稀疏矩阵Ψ将y转换为稀疏信号：x＝Ψ

【技术特征摘要】
1.一种基于分布式压缩传感的低开销电力数据采集方法，其特征在于，包括以下步骤：1)智能电网中间站采集原始电力数据f，利用测量矩阵Φ得到压缩的观测信号y＝Φf；2)利用所述观测信号y构建电力稀疏矩阵Ψ；3)通过联合重构算法将多组观测信号进行联合恢复：接收端接收到压缩的观测信号y＝Φf，首先利用测量矩阵Φ和电力稀疏矩阵Ψ将y转换为稀疏信号：x＝Ψ-1Φ-1y，再恢复获得原始电力数据f：f＝Ψx。2.根据权利要求1所述的基于分布式压缩传感的低开销电力数据采集方法，其特征在于，步骤2)的具体实现过程包括：1)获取一组电力数据信号F＝[f1,f1,...,fn]；2)初始化稀疏矩阵Ψ(0)；3)使用正交匹配追踪方法得到稀疏表示x，对于每个原始信号fi，建立以下目标函数：其中||·||0表示l0范数，即xi向量中非零元素个数，xi表示第i个原始信号的稀疏表示，T0是设置的阈值；4)优化目标函数，更新字典Ψ(t-1)的每一列；Ψ(t-1)表示第t-1次迭代过程中产生的稀疏矩阵；5)重复步骤3)...

【专利技术属性】
技术研发人员：雷斐，谢鲲，肖玲，田家政，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南,43