[发明专利]一种基于压缩感知的在线电能质量监测系统

摘要

本发明公开了一种基于压缩感知的在线电能质量监测系统，包括数据采集模块、数据处理模块和数据应用模块，其特征在于：数据采集模块采用压缩感知理论对目标电能质量信号进行数据采集，以较低的采样频率实现将信号的采样和压缩合二为一，然后将数据进行存储或传输，最后在终端采用重构算法对电能质量信号进行重构，再对电能质量进行分析，实现对电能质量的在线监测和实时分析。采用本发明方法，在数据采集方面不再遵循奈奎斯特采样定律，降低了对硬件的要求，只需要让采集器件工作在低速采样状态获得测量值，就能在计算中心完成对电能质量信号的重构，这样大大减轻了采集器件的工作负担，同时减小了传输系统中数据的传输压力。

主权项

1.一种基于压缩感知的在线电能质量监测系统，包括数据采集模块、数据处理模块和数据应用模块，其特征在于：数据采集模块采用压缩感知理论对目标电能质量信号进行数据采集，以较低的采样频率实现将信号的采样和压缩合二为一，然后将数据进行存储或传输，最后在终端采用重构算法对电能质量信号进行重构，再对电能质量进行分析，实现对电能质量的在线监测和实时分析，具体步骤包括：（1）将采集到的电能质量信号在正交字典或冗余字典Ψ中用某个固定稀疏基稀疏表示，获得电能质量信号的稀疏信号；设有电能质量信号X∈R^N，可以看作是R^N空间的N×1维的列向量，其元素为X[n],其中n=1,2，……，N，假设R^N中的任意信号都可以用N×1维的正交基的线性组合来表示，把向量作为列向量形成N×N的基矩阵Ψ＝[Ψ₁,Ψ₂,......,Ψ_N]，然后任意的电能质量信号X就可以表示为：X＝Ψθ，其中θ_i是投影系数（θ_i＝＜X,Ψ_i＞），Θ＝[θ₁,θ₂,......,θ_N]^T为投影系数构成的N×1维的列向量，如果Θ所含元素中非零个数M是远小于N的，则表示该信号是稀疏的并可以进行压缩；（2）确定一个能捕捉稀疏信号中有用信息的高效的非自适应的随机观测矩阵；在整个观测过程中利用M×N维观测矩阵Φ的M个行向量对稀疏系数向量Θ进行投影，即计算Θ和各个观测向量之间的内积，得到M个观测值（i=1,2，……，M），观测向量Y＝(y₁,y₂,......,y_M),即Y＝ΦΘ＝ΦΨ^TX＝A^CSX；（3）根据随机观测矩阵对电能质量信号的稀疏系数进行观测，得到观测集合，并将观测数据存储在采样存储器中或进行网络传输；（4）根据存储器中的观测数据，采用自适应观测矩阵重构出原始电能质量信号。传统信号重构时，由于方程个数M小于未知数个数N，因此出现了求解不定方程的难题，而不定方程的最优解很难找到，所以也无法精确重构原始信号。但是自适应观测矩阵能够避免求解不定方程。