基于字典學(xué)習(xí)的電能質(zhì)量數(shù)據(jù)分析方法研究
發(fā)布時(shí)間:2023-03-25 01:29
隨著越來(lái)越多的分布式電源、電動(dòng)汽車和其它非線性設(shè)備連接到電網(wǎng)中,電網(wǎng)中出現(xiàn)了各種電能質(zhì)量擾動(dòng)問題。并且由于智能儀表和各種智能采集設(shè)備的投入使用,導(dǎo)致系統(tǒng)中產(chǎn)生了海量的電能質(zhì)量數(shù)據(jù)。大量的電能質(zhì)量數(shù)據(jù)不但給當(dāng)前電力系統(tǒng)的數(shù)據(jù)傳輸和存儲(chǔ)帶來(lái)了巨大的負(fù)擔(dān),也使電能質(zhì)量的分析更加復(fù)雜化。為了減少通信壓力和存儲(chǔ)容量緊缺的問題,應(yīng)用較少的數(shù)據(jù)量實(shí)現(xiàn)對(duì)電力系統(tǒng)的有效分析是智能電網(wǎng)的發(fā)展趨勢(shì)。電能質(zhì)量數(shù)據(jù)的處理與分析對(duì)電網(wǎng)運(yùn)行至關(guān)重要,如何運(yùn)用更少的數(shù)據(jù)量對(duì)其進(jìn)行更加快速準(zhǔn)確的處理成為一個(gè)十分重要的問題。針對(duì)電力系統(tǒng)中節(jié)點(diǎn)數(shù)量較多的特點(diǎn),本課題引入分布式壓縮感知和字典學(xué)習(xí)對(duì)電能質(zhì)量數(shù)據(jù)進(jìn)行壓縮和聯(lián)合重構(gòu)以減小數(shù)據(jù)傳輸量并加快數(shù)據(jù)處理速度。首先在PSCAD中模擬出分布式的IEEE14節(jié)點(diǎn)系統(tǒng),利用此模型分析了電能質(zhì)量數(shù)據(jù)的相關(guān)性和稀疏性。為了更好地使信號(hào)稀疏化,構(gòu)造了適用于電能質(zhì)量數(shù)據(jù)的分布式壓縮感知學(xué)習(xí)字典。仿真結(jié)果表明,使用分布式壓縮感知學(xué)習(xí)字典對(duì)電能質(zhì)量信號(hào)進(jìn)行稀疏化要優(yōu)于使用傳統(tǒng)的傅里葉基,并且使用分布式壓縮感知可以在數(shù)據(jù)量減少1/3時(shí),仍可以保證重構(gòu)數(shù)據(jù)的精度,大大節(jié)省了系統(tǒng)的存儲(chǔ)空間,同時(shí)也...
【文章頁(yè)數(shù)】:53 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題研究的背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 論文研究?jī)?nèi)容與章節(jié)安排
第2章 分布式壓縮感知和字典學(xué)習(xí)的理論基礎(chǔ)
2.1 壓縮感知的基本原理
2.1.1 稀疏表示方法
2.1.2 觀測(cè)矩陣設(shè)計(jì)
2.1.3 重構(gòu)算法
2.2 分布式壓縮感知理論
2.2.1 分布式壓縮感知信號(hào)模型
2.2.2 聯(lián)合稀疏模型
2.3 字典學(xué)習(xí)理論
2.4 本章小結(jié)
第3章 基于分布式壓縮感知和學(xué)習(xí)字典的電能質(zhì)量數(shù)據(jù)處理方法
3.1 電能質(zhì)量數(shù)據(jù)的相關(guān)性與稀疏性分析
3.1.1 電能質(zhì)量數(shù)據(jù)的相關(guān)性分析
3.1.2 電能質(zhì)量數(shù)據(jù)的稀疏性分析
3.2 分布式壓縮感知學(xué)習(xí)字典的設(shè)計(jì)
3.2.1 分布式壓縮感知學(xué)習(xí)字典構(gòu)造步驟
3.2.2 DCS學(xué)習(xí)字典主要參數(shù)
3.3 仿真實(shí)驗(yàn)分析
3.4 本章小結(jié)
第4章 基于單向表示字典學(xué)習(xí)的電能質(zhì)量擾動(dòng)識(shí)別方法
4.1 單向表示字典學(xué)習(xí)的模型
4.1.1 電能質(zhì)量信號(hào)字典學(xué)習(xí)模型
4.1.2 面向分類的的單向表示模型
4.2 模型的優(yōu)化
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 不同方法的性能對(duì)比
4.3.2 實(shí)驗(yàn)驗(yàn)證
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝
本文編號(hào):3770255
【文章頁(yè)數(shù)】:53 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題研究的背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 論文研究?jī)?nèi)容與章節(jié)安排
第2章 分布式壓縮感知和字典學(xué)習(xí)的理論基礎(chǔ)
2.1 壓縮感知的基本原理
2.1.1 稀疏表示方法
2.1.2 觀測(cè)矩陣設(shè)計(jì)
2.1.3 重構(gòu)算法
2.2 分布式壓縮感知理論
2.2.1 分布式壓縮感知信號(hào)模型
2.2.2 聯(lián)合稀疏模型
2.3 字典學(xué)習(xí)理論
2.4 本章小結(jié)
第3章 基于分布式壓縮感知和學(xué)習(xí)字典的電能質(zhì)量數(shù)據(jù)處理方法
3.1 電能質(zhì)量數(shù)據(jù)的相關(guān)性與稀疏性分析
3.1.1 電能質(zhì)量數(shù)據(jù)的相關(guān)性分析
3.1.2 電能質(zhì)量數(shù)據(jù)的稀疏性分析
3.2 分布式壓縮感知學(xué)習(xí)字典的設(shè)計(jì)
3.2.1 分布式壓縮感知學(xué)習(xí)字典構(gòu)造步驟
3.2.2 DCS學(xué)習(xí)字典主要參數(shù)
3.3 仿真實(shí)驗(yàn)分析
3.4 本章小結(jié)
第4章 基于單向表示字典學(xué)習(xí)的電能質(zhì)量擾動(dòng)識(shí)別方法
4.1 單向表示字典學(xué)習(xí)的模型
4.1.1 電能質(zhì)量信號(hào)字典學(xué)習(xí)模型
4.1.2 面向分類的的單向表示模型
4.2 模型的優(yōu)化
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 不同方法的性能對(duì)比
4.3.2 實(shí)驗(yàn)驗(yàn)證
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝
本文編號(hào):3770255
本文鏈接:http://www.sikaile.net/kejilunwen/dianlidianqilunwen/3770255.html
最近更新
教材專著