[发明专利]基于生成对抗网络的电能质量信号压缩重构方法

说明书

本发明涉及一种基于生成对抗网络的电能质量信号压缩重构方法，抗网络模型由生成器和鉴别器构成，一维电能质量原信号x输入生成器，依次经过压缩和重构后输出一维重构信号G(x)，原信号x和重构信号G(x)送入鉴别器，鉴别器输出的D来判断输入是原信号x还是重构信号G(x)，让生成器在和鉴别器对抗的过程不断学习原信号的分布，使得重构信号G(x)逐渐逼近原信号x；以此训练后抗网络模型对电能质量信号进行压缩重构。此方法可以实现应用于电能质量的压缩感知重构时间更短，稳定性更强。经过实验证明，本发明提出的方法在低采样率下对于不同种类的电能质量信号均具有较好的重构效果，并且相较于传统的压缩重构方法压缩重构信号的时间更短，稳定性更强。

技术领域

本发明涉及一种电能质量数据处理技术，特别涉及一种基于生成对抗网络的电能质量信号压缩重构方法。

背景技术

海量电力信息的产生给当前电网的数据传输和存储带来了巨大的负担。为了减轻通信压力和采集端存储问题，减少采集传输的数据量是智能电网的发展趋势(文献1)。

压缩感知技术(Compression Sensing,CS)(文献2)突破了采样定理的局限性，通过采集较少的数据就能较好的恢复原始信号，适合应用到电能质量信号的采集传输过程中。压缩感知技术目前已广泛应用于医学等领域，并在智能电网的发展中也得到了广泛的应用研究(文献3)。文献4、5采用压缩感知理论分别对电能质量暂态和稳态信号进行了研究。文献6将压缩感知理论应用于电能质量信号识别中。文献7将压缩感知不同的重构算法应用于电能质量数据重构中并进行对比分析，验证了现有的压缩重构方法可用于电能质量信号方面。

上述方法已应用在电能质量信号压缩重构方面，但存在如下缺点：1)前期需要对非稀疏信号做稀疏操作，增加了压缩重构过程的计算量和复杂性；2)观测矩阵往往存在计算量大、存储量大、采样后重建质量不稳定等问题，设计一个有效的观测矩阵目前仍然是困难的；3)传统的重构算法每次运行都需迭代计算，重构时间长，重构效果不稳定，不利于大规模的实时电能质量信号压缩重构。

文献1：王澄，魏庆来，赵冬斌,等.基于数据的智能电网电能自适应优化调控[J].控制工程,2014,21(5):753-759.

Wang C,Wei Q L,Zhao D B,et al.Adaptive optimal control of electricenergy in smart grid based on data[J].Control Engineering of China,2014,21(5):753-759.

文献2：F.Yang,J.Tan,J.Song,and Z.Han.Block-wise compressive sensingbased multiple line outage detection for smart grid[J].IEEE Access,2018,6:50984–50993

文献3：陈雷,郑德忠,廖文喆.基于压缩感知的含扰动电能质量信号压缩重构方法[J].电工技术学报,2016,31(8):163-171.

Chen L,Zheng D Z,Liao W Z.Compression and reconstruction method ofpower quality signal with disturbance based on compressed sensing[J].Chinesejournal of electrical technology,2016,31(8):163-171.

文献4：王学伟，王琳，苗桂君，等.暂态和短时电能质量扰动信号压缩采样与重构方法[J].电网技术,2012,36(3):191-196