论文部分内容阅读
电能质量信息采集和数据分析是保证供电质量、提升电网运行效率和建设未来智能电网的基础性支撑,其中谐波信息的采集和分析至关重要。高密度的信息采集使数据量呈爆炸式增长,因此该研究领域已试图将压缩感知引入谐波等数据的信息采集,以克服传统Nyquist采样的缺陷和高密集信息采集的数据存储问题,更加适应电网监测环境。本文立足于研究现状,在研究探讨和仿真分析了谐波数据压缩采集和重构过程中稀疏基、测量矩阵和恢复算法选取的基础上,阐述和提出了一种“基于压缩感知的谐波分析方法”和一种“适用于电网谐波信号的压缩感知改进恢复算法”。首先,本文分析出谐波信号在DFT基下具有良好稀疏性,阐述了一种压缩感知谐波分析方法的实现框架,该框架在信号重构过程同时实现谐波分量检测功能。实验表明,本文提出的压缩感知谐波分析方法的检测结果能够满足国家标准的精度要求。特别地,当压缩比为30%时,该谐波分析框架可将频率、幅值和相位的检测误差保持在10-3、0.15%和0.1o以内,满足国家标准较高精度的检测要求。其次,考虑到实际电网的谐波信号中,谐波分量的幅值能量远远低于基波分量,进一步分析出谐波信号的“基波分量稀疏度”性质。在此性质基础上,设计了一种适用于谐波信号的压缩感知恢复算法,通过滤除压缩信号中的基波分量实现算法对谐波分量的性能优化。实验表明,相比于SPG算法,该恢复算法对频率检测误差最多可降低0.001Hz,对幅值检测误差最多可降低约0.15个百分点,对相位检测误差最多可降低约0.24o,同时在重构性能上信噪比可提升2~8dB。这说明该恢复算法能够进一步提升检测和重构性能。