[发明专利]一种基于实时压缩感知的多地区电力控制方法

权利要求书

1.一种基于实时压缩感知的多地区电力控制方法，其特征在于，包括以下步骤：

S1：每个地区电力系统通过初级控制，次级控制，调速器，限幅，叶轮，旋转惯量和负载以及相邻地区的互连增益产生原始电力信号；

S2：信号的稀疏表示：使用字典学习算法对多地区电力系统信号做稀疏变换得到稀疏矩阵，所述字典学习算法是将信号作为稀疏字典设计的输入信号，通过学习算法训练出匹配信号特征的稀疏字典；

即：对于信号X＝[x₁，x₂，…，x_K]∈R^N×K，其稀疏字典D_i＝[d₁，d₂，…，d_L]，其中d_i∈R^N，(i＝1，2，…，L)为字典原子，字典原子个数为L，且L≥N，稀疏信号V＝[v₁，v₂，…，v_K]∈R^L×K，即可通过下面形式求得最优解：

min_D，V||X-D_iV||₂ s.t.||v_i||₀≤s₀ 1≤i≤K (1)

其中s₀为稀疏向量的0范数约束；

S3：信号的压缩编码：利用测量矩阵A对信号进行压缩测量，得到测量值Y；

S4：信号的重构：根据得到测量值Y和稀疏字典D_i，恢复出投影到稀疏字典D_i的稀疏矩阵进而得到原始信号

步骤S2中，使用字典学习算法对多地区电力系统信号做稀疏变换，多地区字典学习算法具体包括以下步骤：

(1)、设每个地区的电力系统的训练信号X_i＝[x_i(1)，x_i(2)，…，x_i(K)]∈R^N×K，其中x_i(k)表示第i个地区电力系统信号在采样周期内的第k次采样得到信号，将训练信号X_i作为输入信号，初始化稀疏字典D_i＝[d_i(1)，d_i(2)，…，d_i(L)]∈R^N×L，稀疏度S，设定最大迭次次数为Q，当迭代次数q≤Q时：

(2)、稀疏分解：固定字典D_i，通过使用同步正交匹配追踪来寻找到信号最优的稀疏表示，其具体做法如下：

1)、初始化残差支撑集发定最大迭代次数为G，误码为ε，迭代从g＝1开始；

2)、通过计算得到残差和字典原子的内积绝对值最大的原子标号；

3)、更新支撑集

4)、通过以下计算稀疏向量，重构信号和残差:

其中，表示的伪逆；

5)、迭代次数g加1返回2)直到达到设定的迭代次数G和||r_i^g(k)||₂≤ε，重复1)-5)K次得到稀疏矩阵

(3)、字典更新：当l＝[1,2,…,L]时，由步骤(2)可得残差矩阵为假定I_i为稀疏信号第l行所有非零元素的索引值，此时，稀疏字典D_i可以通过以下式子进行更新：

(4)、返回(2)继续执行，直到达到设定最大迭代次数Q，进而得到稀疏字典D_i。