[发明专利]一种电能质量信号自适应重构方法

说明书

本发明提供一种电能质量信号自适应重构方法，属于电能质量信号识别技术领域，在稀疏度未知的情况下，通过设置一个可变步长稀疏自适应匹配追踪，可以避免不必要的迭代，逐步对信号稀疏度进行评估，最终达到信号重构的目的；通过冗余向量调整变量参数实现准确重构信号。本发明电能质量信号自适应重构方法，与正交匹配追踪方法(OMP)、压缩采样匹配追踪方法(CoSaMP)相比，可以实现稀疏度自适应调整，信号重构效果好、重建速度快，适用于电力系统数据信号的压缩及解压缩重建。

技术领域

本发明属于电能质量信号识别技术领域，具体涉及一种电能质量信号自适应重构方法。

背景技术

近年来，电能质量问题日益突出，引起了供电部门和广大电力用户的普遍重视，研究影响电能质量的各种因素，及时发现引起电能质量下降的各种问题，并对这些问题实现有效分类，对最终解决电能质量问题具有重大的现实意义。随着现代科学技术的发展和生活水平的提高，大量的非线性、冲击性负载和电力电子设备接入电网中，造成电能质量问题日益严重，并且现在广泛使用的各种精密用电设备对电能质量的要求越来越高。电能质量扰动信号的精确识别是电能质量扰动治理与电能质量扰动分析的前提与基础。传统的电能质量分析方法包括两个步骤，首先通过傅里叶变换、短时傅里叶变换、小波变换、dq变换、S变换等数字信号处理方法，对电能质量扰动进行特征提取，然后通过人工神经网络、支持向量机、决策树等方法对电能质量扰动进行分类。

Donoho和Candes等人提出了压缩感知理论(CS)，为减少电能质量海量数据提供了一种新的思路。压缩感知，又称压缩采样，在压缩感知的发展中，压缩感知可以降低采样频率的特性，被广泛应用于各个领域中，如雷达探测、地质勘探、医疗成像、信号去噪、图像超分辨率重建等。压缩感知理论采用非自适应线性投影来保持信号的原始结构，对可压缩的信号能以随机采样的方式通过远低于耐奎斯特频率的标准进行数据采样，采集的数据即是压缩的数据。目前的重构算法主要有三大类：贪婪算法、凸优化算法和组合算法等。其中贪婪算法应用最为广泛，主要思想是通过迭代计算选择局部最优解来逐步逼近原始信号。包括匹配追踪算法(MP)和正交匹配追踪算法(OMP)、分段正交匹配追踪算法(StOMP)、正则化正交匹配追踪算法(ROMP)、压缩采样匹配追踪算法(CoSaMP)和快速贝叶斯匹配追踪(FBMP)等。但上述算法都要求已知信号的稀疏度，在实际配电网中电能质量信号不能获得较好的重构效果，给实际应用带来很大不便。

(一)解决的技术问题

针对现有匹配追踪算法在实际配电网中电能质量信号稀疏度未知情况下不能获得较好信号重构效果的缺陷问题，提出一种快速、简单基于压缩感知理论的电能质量信号自适应重构方法。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种电能质量信号自适应重构方法，包括以下步骤：

S1、输入电能质量信号的压缩采样向量y；选取压缩感知观测矩阵Φ、稀疏变换基矩阵Ψ；

S2、初始原始稀疏信号s⁰＝0；初始冗余向量r₀＝y；初始稀疏度K₀＝1；初始迭代系数k＝1；索引集Γ₀∈Γ，其中Γ₀为向量g中对应的最大K₀(1≤K₀≤N)个元素对应的索引集，向量g满足g＝Φ^Ty，K_S为稀疏度K的初始值；支撑集

S3、通过公式g＝Φ^Ty，获得K₀个元素最大值，将K₀个最大值的元素索引存入索引集Γ₀中；如果其中(0＜δ＜1)，逐步增大K₀，可以采用K₀＝K₀+1，直到得到稀疏度估计值K_S＝K₀；